近十年来新生儿疼痛引起医护人员的广泛关注。由于新生儿不能自述疼痛的感受,疼痛评估成为新生儿科学中一个新的研究领域,有着长远的应用前景和潜在的市场价值。压缩感知是针对稀疏或可压缩信号,在采样的同时即可对信号数据进行适当压缩的新理论,这使其在信号处理领域有着突出的优点。而稀疏表示方法是压缩感知理论中的核心议题之一。最近,由于其较大的理论突破,尤其是计算复杂度的下降,使得该理论被广泛应用到信号处理领域的各个方面。图像信号本身及其所反映的语义在很多时候具备稀疏性这一特点,这使得稀疏表示相关的理论可以被引入到图像处理、模式识别等领域中。本文利用压缩感知中的主要理论之一——稀疏表示方法对新生儿疼痛表情识别进行研究的基础上,提出了一种新颖的基于压缩感知理论的新生儿疼痛表情识别方法。该方法通过对测试新生儿面部表情图像进行稀疏表示,采用L-1范数最小化算法求得最稀疏的系数解,所获得的系数具有明显的类别信息,从而易于对测试表情图像进行分类,判断新生儿是否处于疼痛状态。我们使用建立的新生儿面部表情图像数据库展开实验。在研究中发现,如果稀疏表示方法能够很好地应用到模式识别研究领域中,提出的基于压缩感知的新生儿疼痛表情识别方法就能够取得较理想的分类识别效果。此外,实验表明,一旦特征维数和训练样本数足够(都达到一定的阈值)并且最稀疏的系数解能准确的重构,利用图像下采样后得到的特征在该算法框架下也能取得较高的识别正确率。