在过去的近十年当中,随着多媒体技术和计算机技术的飞速发展,人脸面部表情识别技术已经成为一个新兴的研究领域。它可以广泛的应用于人机交互,多媒体信息的分析和重构,生物识别和安全监控,日常娱乐和电子保健等诸多领域,具有非常重要的研究价值。通常典型的人脸表情(情感)识别包括人脸检测、表情特征提取、表情分类三大部分。本文将对以上3个阶段的关键问题进行相应研究,并将分数阶傅里叶变换(FrFT)这一新兴的时频分析工具应用到人脸面部表情领域当中。分数阶Fourier变换是传统傅立叶变换的一种广义的形式,其变换过程可以解释为将信号在时频平面内进行逆时针旋转。通过选择变换阶次,分数阶傅里叶变换能够将图像映射到任意一个介于空域和频域之间的变换域空间,从而实现更加有效的特征提取。因此分数阶傅立叶变换不但能够实现传统变换方法的功能,而且具有更好的普适性和灵活性。故基于分数阶傅里叶变换的表情特征值提取有望实现比传统特征值提取方法更好的分类效果。本文主要的研究工作如下：1.介绍了分数阶Fourier变换的意义并分析了现有的各种一维离散分数阶Fourier变换的算法,重点研究了Ozaktas等提出的量纲归一化算法。根据分数阶Fourier变换的数学及物理意义,将一维变换推广至二维变换的形式,并且实现了二维分数阶Fourier变换的离散算法。同时对二维离散分数阶Fourier变换的相关性质进行了必要的说明。2.对本文仿真实验所选择的人脸面部情感数据库以及对该数据库进行预处理的过程进行了相关说明。重点研究了二维离散分数阶Fourier变换在图像处理领域的性质,并在此基础之上确定了人脸面部情感图像在分数阶Fourier变换域特征信息选取的依据,同时对提取的特征信息利用最邻近线性插值的方法进行了相关降维处理,进一步提高了情感识别的实时性要求。3.介绍了相关的Fisher线性分类器算法,构建了基于分数阶Fourier变换的人脸面部情感识别的模型。对分数阶变换的阶次和情感识别率之间的关系进行了定量实验分析。同时将本文的实验结果同传统的Gabor情感识别的方法进行了相关的比较,进一步说明了本文提出算法的有效性。