一个完整的表情识别系统应由以下几部分组成:人脸表情图像捕获、图像预处理、人脸特征检测与定位、人脸分割与归一化、人脸表情特征提取、人脸表情识别。其中,提高人脸表情的识别率,主要决定于表情图像的预处理、特征提取、表情分类这三个方面。本文主要针对静态图像研究表情图像的特征提取和表情分类。本文首先介绍了人脸表情识别背景及其起源、发展与研究现状,并结合国内外相关领域的发展,从特征提取与表情分类两个角度对目前表情识别的主流方法做了详细介绍。接着介绍了人脸检测与定位的方法,并且作了仿真实验。在表情特征提取这个问题上,本文提出了两种改进的方法:基于特征增强的2DPCA方法和基于复数域的F-2DPCA方法。对于提高表情分类的正确率,首先引入加权马氏距离分类器进行分类;再次本文引入了模糊C-均值聚类构造表情模板,并且引入了改进的微粒群算法优化模糊C-均值聚类的初始值选择问题。研究的主要结论如下:(1)论文改进的表情特征提取方法之一,即提出特征对比增强2DPCA法,有效的减弱不同表情的相同部位的干扰,增强了表情图像特征部位的对比度。拉开了不同表情之间的总体差异,提高了表情正确识别率。(2)论文提出一种基于复数域的F-2DPCA法,该方法通过在复数域同时考虑图像类内和类间的差别,把表情图像类内差别提取出来作为图像信息的一部分,更全面的提取了图像的有用信息,提高了识别率。(3)论文在研究距离分类器的基础上,将加权马氏距离应用于人脸表情的分类,考虑了基准模板特征的离散程度,样本特征矢量在变换空间的各优势主向量上的投影分布得到更精确的刻画。(4)论文改进了基本微粒群算法的惯性权重参数,将微粒群算法中的惯性权重用正弦函数来描述,使算法的前期阶段具有较快的收敛速度,而且在算法后期局部搜索能力也不错,既保留了具有递增惯性权重和递减惯性权重微粒群算法的优点,也克服了它们的缺点,取得了比较好的实验效果。(5)论文将模糊C均值聚类应用于人脸表情识别中构造人脸表情模板,并且针对模糊C均值聚类对初始值的敏感性和依赖性,用本文改进的微粒群优化模糊C均值聚类的初始值,增加了其初始值的多样性,有效克服了模糊C均值聚类算法过分依赖初始值和容易陷入局部极小值的缺点。