人脸表情识别技术在许多领域都有着广泛的应用和研究价值。一个完整的表情识别系统应由以下几部分组成:人脸表情图像获取、预处理、人脸特征检测与定位、人脸分割与归一化、人脸表情特征提取和人脸表情识别。本文实验使用的是日本Kyushu大学的JAFFE的人脸表情图像,先验知识充足,规范化程度较高,因此,图像经过手工切割、缩放与归一化处理后,就进入表情特征提取与识别阶段。首先简要回顾了面部表情识别的研究现状,然后介绍了目前主流的几种人脸表情识别算法,接着从典型的代数特征(即奇异值特征)入手,以奇异值分解(SVD)为基础进行人脸表情识别的研究。区别于传统的奇异值分解,提出了一种将所有训练样本投影到一个标准特征矩阵后得的投影系数作为该人脸表情特征的方法。在识别阶段,对经典的最近邻分类器进行了改进,并采用模式特征之间的欧氏距离作为相似性度量,从而完成对未知人脸表情的识别。另外,由于离散余弦变换(DCT)具有聚能、去相关、计算速度快等特点,可以作为很好的特征提取方式,所以又提出了一种基于DCT和SVD的人脸表情识别算法。将图像分成8×8的子块后,对每一子块进行二维DCT,分别以方块形和“之”字形方式抽取DCT系数,组合成整幅图像的DCT系数后再进行奇异值分解,并采用欧氏距离作为模式特征之间的相似性度量,最后用改进的最近邻分类器进行分类。实验结果表明,这种方法相对于传统的奇异值分解在识别率和识别速度上均有较大提高,但实验所采用的均值表情脸算法的泛化性还不高,需要进一步改进。