人脸表情识别是指利用计算机技术、图像处理、机器视觉等技术对人脸表情图像或图像序列进行特征提取、建模，以及表情分类的过程，从而使得计算机程序能够依据人的脸部表情信息推断人的心理状态。人脸表情识别主要分为三个阶段：人脸检测、表情特征提取、表情特征分类。其中，表情特征的选取是人脸表情识别的关键步骤，特征选取的好坏直接影响表情分类的效果。论文提出了一种基于IM F解析信号能量熵的人脸表情特征提取方法，将希尔伯特黄变换方法应用到人脸表情识别中。首先，对表情图像进行Radon变换，得到人脸表情信号，然后对该信号进行经验模态分解（EMD），得到一系列本征模态函数（IM F），对得到本征模态函数（IM F）进行 Hilbert变换，得到IM F解析信号，计算瞬时振幅，瞬时频率。选择IM F以及其解析信号的振幅作为特征向量，计算其能量判别熵，选择同类之间有较小判别熵，不同信号类之间有较大判别熵的特征作为表情分类的特征向量。采用PCA算法对选取的特征进行降维，使用支持向量机（SVM ）对两类表情进行分类。