面部表情是人们传递情感信息的重要手段,在日常交流中占有重要的地位。在各种计算机服务日益便捷的今天,人们希望计算机能够和人一样进行情感交流,特别是能够表达出拟人化的面部表情。人脸表情合成技术作为当今计算机应用领域的一个热点问题,其成果在影视及游戏娱乐、人机交互、虚拟现实、远程会议与教育、辅助医疗等方面有着广泛的应用。该领域的研究经过多年的发展,取得了长足的进步,并涌现出较多有效的人脸表情合成方法与模型。然而,由于面部表情具有丰富而复杂的变化,要快速生动的利用计算机进行表情的重现并付诸实用化,目前仍有不少问题亟待解决。如何设计和构建同时具有高度真实感和较高实用性的表情合成系统,仍然是一个富于挑战性的研究课题。本文以研究和建立具有真实感和实用性的三维人脸表情合成系统为目标,对三维人脸数据处理、三维人脸建模、基于生理建模的表情合成、基于统计建模的表情合成等相关课题进行了深入的探讨和研究。分别从生理建模和统计建模两个角度出发,研究了人脸表情合成问题,并提出了相应的表情合成模型。在此基础上,设计和构建了面向一般人脸的多模式三维人脸表情合成系统。本文中工作的创新点及主要贡献可总结如下。第一,为了提高三维人脸数据处理的准确度和自动化程度,提出了一个基于对应匹配的三维人脸精细配准方法.该方法把三维人脸的对应问题转化为二维图像的对应匹配。通过若干自动检测的特征点位置提供先验信息,对于全图像的对应关系进行插值,得到“粗”对应:将图像进行光照补偿后,进一步采用光流法进一步修正对应关系,得到“精细”对应。该算法自动化程度很高,通过两个阶段的处理后,所得的三维人脸对应较为精确,并对光照不敏感。在此基础上,进一步构建了三维人脸的统计模型,并将其作为表情合成平台的基础。第二,在分析和总结人脸生理解剖知识的基础上,提出了一种新的用于表情合成的自适应三维人脸生理模型。该模型包括一个改进的肌肉模型、一个下颌骨模型、一个单层皮肤模型以及相应的皮肤的应力机制。其中的皮肤模型具有简约的结构,并设计了相应的应力机制来模拟真实皮肤的应力变化。该模型的优点在于结构简单,合成效率很高,并保证了表情合成的真实感。同时,为该模型设计了一种自适应匹配方法。该匹配方法将生理模型参数与人脸形状特征相联系,对于新的人脸,通过形变模型自动获得输入人脸的三维外观,并利用其形状特征,可以自动生成其生理模型参数。该匹配方法计算量小,速度快,匹配结果精确,并能完全实现自动化。第三,在对大量三维人脸数据进行统计分析的基础上,提出一种基于双线性分析的三维人脸表情模拟技术。通过对三维人脸形状样本的双线性分析,将三维人脸的身份特征与表情身份相分离,各自构成独立的线性子空间。该双线性模型规模较小,适用于不同的二维和三维人脸应用课题。第四,为了提高已有双线性模型对人脸与表情的表达能力,提出了一种肌肉参数驱动的双线性表情合成方法。该方法一方面采取分块处理的策略,对于人脸的各个区域建立双线性模型,取得了比总体处理更好的人脸重建和表情模拟效果:另一方面,通过研究生理模型参数与统计表情参数间的映射,在不同的表情合成方法间建立了对应关系,可以根据不同的肌肉参数,获得对应的表情参数,再利用双线性模型来生成实际表情。该方法能够生成内容与力度变化都较为丰富的人脸表情。第五,提出了一种基于流形分析的非线性表情合成模型。该模型中,不同的人脸表情被投影到不同的低维表情流形上,并采用人工监督学习的方法训练和获得不同表情流形间的非线性变化轨迹。该模型比线性化模型更能够有效描述表情状态间的非线性变化关系。最后,利用上述工作,设计并实现了一个面向一般人脸的多模式人脸表情合成系统.该系统可以为输入的普通二维人脸自动生成其对应三维模型,并利用不同的方式合成具有真实感的人脸表情效果,为后续的研究工作提供了一个可扩展的实用化平台。