人脸表情含有丰富的人体行为信息,在人类非语言方式的交流中起到了主导作用,近几十年来在人机交互领域也受到越来越多的关注。若能使计算机拥有更强的识别和理解人脸表情的能力,将会极大的改变计算机与人的关系,从而使计算机更好的为人类服务。本文对国内外关于人脸表情识别的文献进行了深入研究和分析,针对表情识别的若干问题进行了探讨,并且对在识别过程中占据着重要地位的特征提取的各种算法做了深入的研究,在此基础上提出了几种改进的算法。大量的实验证明本文提出的算法的高效性。主要工作如下：第一,改进了现有的有监督的谱特征分析算法。在原有算法的基础上,引入了另外两种Laplacian矩阵,并通过实验验证了算法的有效性。第二,提出了基于双元树复小波变换的有监督的谱特征分析算法。引入双元树复小波变换并进行了改进,利用其平移不变性、方向选择性、完全重构性和高效计算能力等特性,对图像进行4层分解来提取表情特征。每层分解得到6幅指向不同方向的带通子图,体现了其多尺度多方向的分辨能力,使得表情中细微的局部特征更好的体现出来,并使得识别率有了大幅提高。然后结合有监督的谱特征分析算法进行表情识别,在JAFFE库和CK库上通过大量的实验来验证本文算法的有效性。第三,引入单元树复小波变换与双元树复小波变换进行比较,同时提出基于单元树复小波的有监督的谱特征分析算法。对比得知两种复小波变换虽然表征图像特征的能力很相似,但单元树复小波变换计算相对复杂。第四,搭建了人脸表情识别演示系统,将本文研究的算法的识别结果更直观的显示出来,同时为后续研究提供了一个实验平台。