面部表情识别技术对于营造和谐的人机交互环境有着非同一般的积极作用，具有广泛的市场应用价值，成为当前的研究热点之一。本文在了解面部表情识别过程（图像的获取、图像的预处理、表情特征提取和分类识别）的基础上，对目前已经存在的一些表情特征提取方法进行研究，主要的研究内容和创新点如下：
　　（1）为了使经过预处理之后的图像有助于后期的特征提取和分类识别，针对本文选取的图像样本——JAFFE表情数据库和CMU表情数据库，均从表情图像增强、表情图像脸部定位和表情图像直方图调整三个方面来对原始表情图像进行调整，分别采用了分段级线性变换、灰度积分投影以及直方图均衡化三种方法实现图像的预处理。
　　（2）提出了一种基于纹理特征提取的集成学习算法——GBP。该算法基于异态集成学习串型叠加法的思想，将二维Gabor小波、分块LBP和2D-2DPCA三种特征提取方法串联集成，共同提取表情图像中的纹理特征。在JAFFE和CMU表情数据库上分别进行实验，结果说明GBP算法具有较好的识别效率，验证了其有效性和泛化能力。
　　（3）提出了一种基于变异系数改进的赋权算法——IBCV。该算法在对图像进行分块的基础上，以块均值为标准，衡量块内每一个像素点的离散度，并得到相应的权重，使图像经过加权之后，不同像素点之间的区分度得到加强，同时，类似点构成的特征也得到加强。在JAFFE和CMU表情数据库上分别进行实验，结果总体看来，经IBCV处理后可得到较好的平均识别率，验证了IBCV算法的有效性，同时也证明了该算法具有一定程度的泛化能力。
　　总体而言，本文提出的GBP算法和IBCV算法在实验中均取得了较好的分类识别效果，充分说明了这两个算法的识别性能。