人脸表情识别是指利用计算机分析特定人的脸部表情及变化,进而确定其内心情绪或思想活动,实现人机之间更自然更智能化的交互。其研究对于增强计算机的智能化和人性化,开发新型人机环境,以及推动心理学等学科的发展,有着重要的现实意义,并最终产生巨大的经济效益和社会效益。本文在综合分析以往的表情识别方法的基础上,提出基于改进ODP与尺度优选的Gabor小波相结合的部分遮挡表情识别方法,主要内容如下:(1)根据不同表情的特点,结合心理学、生物学知识,在表情空间模型的基础上,提出基于改进的最佳判别面的表情粗分类方法。该方法改进ODP的类间散度矩阵,以解决ODP中的秩限制问题;求解特征向量的正交向量,构成改进的最佳判别面,并将两类问题扩展到多类问题;以最佳判别面为投影空间,对标准化的表情图像进行投影,将六种基本表情分为四大类:高兴、惊讶、恐惧和易混淆表情(厌恶、生气、悲伤)。(2)深入研究Gabor小波的尺度、人脸特征区域(主要是眼部区域和嘴部区域)、易混淆表情之间的关系,针对易混淆表情采用尺度优选的Gabor小波变换提取特征。首先根据面部器官“三庭五眼”的标准,利用积分投影法定位出人脸的眼部和嘴部特征区。分别对眼部和嘴部进行尺度优选的Gabor小波变换,并对提取的特征加权处理,构成表情图像的基本特征。该方法可有效地提取表情的细节特征并可解决常规Gabor小波变换特征维数过高问题。(3)针对目前表情识别中眼部因头发、帽子等物体而存在部分遮挡的问题,提出一种基于对称变换的眼部遮挡处理方法。该方法针对二值化的人脸表情图像,参照人脸几何特征对眼部区域进行垂直积分投影,并通过中心线检测算法,确定人脸的中心线并判断是否存在遮挡。对于不可容忍的遮挡,进行对称变换处理以修复表情图像。实验表明,该方法可有效提高部分遮挡人脸表情的识别效果,并可容忍头部在一定范围内的偏转。(4)采用面向对象技术设计并实现了人脸表情识别系统。该系统由表情图像预处理,表情特征提取,表情分类识别三个模块组成,以验证本文提出的表情识别方法的有效性。