人脸表情包括了丰富的情感和心里信息,是人们情感表达的最主要的肢体语言之一。人脸表情识别技术能够促进人机的自然交互,具体就是使用计算机技术提取人脸表情图像的特征信息,依据特征类别的不同将表情图像划分为7种不同的表情,计算机通过人脸表情图像分类识别的结果来推断出人的心里状态。人脸表情识别系统主要包括人脸检测与定位,人脸表情图像的特征提取,人脸表情识别与分类等。在各国研究人员的努力下,人脸表情识别技术的研究取得了一定的成就。但是由于受到现实因素的影响,比如图像设备、人年龄和性别、光线、面部遮挡物等等的影响,人脸表情图像的识别率仍然不是很理想。本文重点研究了稀疏表示分类算法(Sparse Representation Classification,SRC)在人脸表情识别中的应用,并进行了一些相关的实验。本论文的研究工作具体有一下几个方面：1.对压缩感知理论做了详细的介绍,简要分析了理论中的三个核心问题,如：信号的稀疏表示、传感矩阵和重构算法。之后简述了几种常见的l1重构优化算法,例如：同伦算法(Homotopy)、截断牛顿内点法、迭代收缩阈值算法、增广的拉格朗日系数等算法。2.研究了基于旋转不变的局部相位量化(RI-LPQ)和稀疏表示分类算法的的人脸表情识别方法。详细介绍了旋转不变的局部相位量化理论,并将其用于人脸表情图像的特征提出,SRC算法被用于进行分类。在JAFFE数据库进行了实验,与LDA+SVM和2DPCA+SVM进行了比较,并研究了此算法在遮挡条件下的分类能力。本文提出的RI-LPQ+SRC的非特定人的最高识别率可以达到68.85%,且算法对遮挡具有很好的鲁棒性。3.研究了基于Completed local binary pattern(CLBP)与稀疏表示分类人脸表情识别融合算法。此新算法是根据SRC算法在灰度图像上得到的残差与在CLBP特征信息上得到的残差作比较,来判断最后使用哪一种算法作为最终的实验结果。在JAFFE数据库中,使用新算法的识别率达到69.35%,远高于在灰度图像上使用SRC得到的识别率62.43%。