人脸表情识别作为近年发展起来新兴的研究方向,已经逐渐成为人机交互领域所研究的热点。它的难点在于交叉了生理学、心理学、图像处理、模式识别和机器视觉等学科。随着表情研究的深入,我们发现表情识别的每一环节,包括表情图片预处理,特征提取,样本特征处理,都能够影响表情识别的最终效果。而由于C4.5决策树算法在图像处理领域的优势,其直观,算法复杂度低的特点,具备表情分类的条件,针对上述内容,本文展开了以下研究:1、针对单一的特征提取能够反映某一局部或者单一特性的表情特征,但并不能够全面的反映表情的总体特征,本文采用局部特征与全局特征相结合的混合特征提取方法,提取包括基于模型的几何特征,基于共生矩阵的纹理特征与Hu不变矩特特征,旨在特征提取环节充分发挥特征的全面性。2、为了消除量纲差异和数值相差过大造成的影响,首先对训练库的样本数据进行规范化与可视化处理。本文采用Fisher线性判别准则对表情特征提取数据进行特征降维,并对特征降维后的样本采用基于OS-HEQ的特征直方图规范化方法进行特征数据处理,进一步提高识别效果。3、决策树分类器在图像处理领域应用广泛,其算法本身复杂度低,分类精度高,识别速率快,而作为决策树算法之一的C4.5分类器在图像的预测与识别方面也得到了研究者们的青睐,针对表情分类识别对分类器具有速度快,精度高的要求,提出将C4.5分类器应用于表情识别分类,并对分类器进行基于洛必达法则的改进,使得算法在分类复杂度与速度上得到进一步的提高。考虑到决策树存在过拟合的问题,提出对C4.5分类器进行后剪枝,进一步提高表情识别效果。4、针对现实场景中面部存在一定的遮挡,模拟面部存在局部遮挡表情信息存在缺失的问题,增加了对遮挡情况下的表情图像识别过程,对典型遮挡形式,如眼部、嘴部、左部和右部遮挡情况下的表情图像进行实验应用本文提出的方法,验证算法的实用性与可靠性。