在日常生活中,人类的智能不仅表现在正常的理性思维和逻辑推理能力上,也表现在正常的情感能力上.在自然化的人机交互过程中,计算机不能没有理解和表达情感的能力.计算机中,这种能力对促进计算机视觉系统建模和数据库的发展都有直接的作用;此外,在行为学中,计算机的这种能力能帮助人们研究和建立交流中的可信度.本文主要讨论了基于矩的面部表情识别,其内容包括离散对称变换在人脸图像特征定位中的应用、各种矩在面部表情识别中的应用比较、相应的分类器的设计以及基于主分量分析(Principal Component Analysis:PCA)的面部表情识别方法研究.首先,本文介绍了现今人脸检测课题的研究现状,并在广义对称变换的基础上,定义了一种离散对称变换DST(Discrete Symmetry Transform),用于人眼的精确定位.为后续表情识别的研究做了预处理工作.接下来,介绍了Hu矩、Zernike矩和小波矩不变量的基本定义和性质,并将其运用到基于全局信息的面部表情特征提取中.在我们的实验中,使用了三种常用的小波函数——三次B样条小波函数、Haar函数和Shannon函数,将其识别率与Zernike矩的识别率进行了比较,结果表明对于同一个人的面部表情识别,小波矩具有更好的识别效果.随后,我们给出了一组改进的Hu矩不变量,并基于局部的特征区提取了改进的Hu矩不变量、Zernike矩不变量和三次B样条矩不变量等特征,根据提取的特征,我们设计了用BP算法训练的前向网络.实验结果表明,B样条矩识别表情的能力比其他各种矩的识别能力要强.最后,我们将另外一种特征统计方法—主分量分析方法和BP神经网络结合,设计了基于PCA的面部表情识别系统,实验结果表明矩特征提取的方法,其识别率比PCA高.