现如今，随着人工智能和人机交互的迅速发展，人脸表情识别也相应取得了较大发展，并且成为了一个热门研究课题。人脸表情识别过程的主要工作是对人脸图像进行分析处理，进而判断出人脸表情所属的表情类别。人脸表情识别过程的研究内容主要由以下几个部分组成:人脸检测、表情图像预处理、表情特征提取和表情分类识别。其中本文所做实验采用的人脸表情图像均源于现有的人脸表情数据库，因此可以省略人脸检测过程。由于在整个人脸表情识别过程中表情特征提取扮演非常重要的角色，因此笔者在文章中对表情特征提取算法进行了着重研究。本文所研究的主要工作分以下几个方面:　　 (1)总结了现有的纹理特征提取算法。根据目前国内外现有的、涉及人脸表情纹理特征的重要文献，做了一个较全面的总结。　　 (2)对人脸表情图像进行了预处理分析。本文预处理过程主要对人脸表情数据库的图像进行关键区域的剪裁，保留区别图像的本质特征，用于后期特征提取。　　 (3)混合特征提取。由于原有的局部二值模式(LBP)算法存在很多不足，提出中心化的局部二值模式(CBP)，并结合局部定向模式(LDP)进行纹理特征提取。本文把CBP和LDP特征按顺序串接起来作为识别的总特征。另外本文通过对现有的LDP算法的研究，在此基础上对LDP算子进行了改进，分别提出了加权LDP(w-LDP)和边缘梯度带正负号的LDP(s-LDP)，通过实验证明改进的LDP更多的保留了图像的本质特征，识别率得到了提高。此外，在进行特征提取时，本文首先把目标图像进行分块，经过多次反复试验，找到了合适的分块方法，使得识别率有所提高。　　 (4)表情分类。根据前面提取的纹理特征，使用了最近邻进行分类。作为一个理论已比较成熟的分类方法—最近邻分类方法，也是比较简单可行的方法之一，故本文用最近邻分类的方法进行分类。　　 (5)根据以上对人脸表情识别的研究，进行了比较全面的分析总结。总结所得经验与不足，表明今后需要努力的研究方向。　　 本文的实验环境是MATLAB7.0，实验所用的表情库是JAFFE表情库，利用文中的特征提取算法和最近邻分类方法构建了一个完整的人脸表情识别过程。通过所做的一系列仿真实验，验证了本文中算法的稳定性及有效性。