随着计算机和互联网的普及,人类和计算机的关系越来越亲密,人脸表情识别日趋成为科学研究的热点之一,有着良好的发展前景。然而,表情的差异性对研究带来了很大的困难,如何正确分辨出人脸表情所属类型,是本文研究的重点。针对人脸表情研究的复杂性,本文主要从图像预处理、特征提取和特征分类三方面进行了阐述,主要工作如下：1.图像预处理部分。主要从尺度归一化和灰度归一化两方面对人脸图像进行预处理,重点对图像进行分块,并赋予不同子区域不同权值。2.特征提取部分。讨论了几种稀疏求解方法,通过对比,选取最适合本文的方法。介绍了Gabor变换、LBP算子、CBP算子这几种常见表情特征提取方法,提出中心化三元模式算子。通过比较提出基于Gabor变换和CBP算子融合,在直方图统计中引入稀疏表示方法进行降维,最终提取人脸表情特征。通过实验证明,引进稀疏表示提取特征效果比较显著。3.分类器设计部分。简单阐述几种常用分类器,着重讨论最近邻分类器及其拓展分类器——K近邻分类器和中心最近邻分类器。提出基于稀疏中心最近邻表示分类器设计,通过最小化求解,计算最小残差来判别所属类型。4.实验验证部分。通过实验比较,选取稀疏求解中最适合本文的方法。验证基于稀疏表示特征提取方法,以及基于稀疏中心最近邻表示分类器设计较好的分类识别效果。同时本文自建表情库对提出改进方法进行验证,有效的证明了方法的鲁棒性。