人脸表情识别是一个极具挑战性和深远意义的科研课题，它不仅涉及模式识别、计算机视觉、计算机图形学领域，还与心理学、生理学等领域相关，具有广泛的应用前景。随着计算机性能的不断提高和数字图像获取的廉价化，近些年人脸表情识别飞速发展，其中，很多的相关应用研究都要求能够基于单幅静态图像分类识别人脸表情。因为动态视频序列包含多帧图像，信息量较为丰富，而单幅静态图像含有的信息量则要少很多，因此基于后者的表情分类识别也更为复杂。为了能够在单幅静态图像的表情分别识别中取得更高的识别准确率，本为提出了基于多尺度局部Gabor二值模式复合特征的人脸表情识别算法。论文的主要工作如下：（1）在人脸检测与定位环节，本文采用了基于Haar-Like特征值和Adaboost学习算法的人脸图像分割算法。（2）在图像预处理环节，对上一步输出的面部表情区域进行了尺寸归一化、去除噪声和灰度均衡化等预处理操作，而后通过交互的方法标注出主要的人脸面部表情区域，为之后的特征提取和分类识别工作奠定好基础。（3）在特征提取环节，本文将具有多分辨表征能力的二维Gabor变化与具有局部描绘能力的MS-LBP算子相结合，提出了多尺度局部Gabor二值模式复合特征（MS-LGBP），意在多个尺度下进行特征提取，将有限的特征发挥到极致。（4）在表情分类识别环节，本文使用基于BP神经网络的分类器，并在JAFFE表情数据库上进行了两种类型的实验，并且对实验数据进行了详细的分析。最后验证了本文提出的MS-LGBP复合特征的有效性，与此同时提出了有待进一步改进的方向，为日后的研究奠定基础。