人脸表情是一种重要的非语言交流方式,在人与人之间的日常交流中,有55%的信息是通过面部表情传递的。随着科学技术的发展和对机器智能化要求的提升,使计算机能理解人的情感并与人进行智能化交流成为未来的发展趋势。作为人机交互技术中的重要组成部分,人脸表情识别涉及到情感计算、图像处理、计算机视觉和模式识别等领域,引起了学者们的广泛关注。本文系统的阐述了表情识别中的特征提取与降维的相关理论,分析并总结了几种重要算法的优缺点,并针对其中存在的一些问题提出了解决方法,主要工作包括以下两方面内容：(1)提出了一种融合局部二值模式和离散余弦变换的表情特征提取方法,首先分别提取表情的LBP特征和DCT特征,然后用加权的加法原则进行特征融合以实现整体特征和局部纹理特征的结合,最后用最近邻法实现分类。实验结果表明,本文所提的融合方法比单独使用LBP特征和DCT特征所得到的表情识别效果更好。(2)提出一种新的有监督拉普拉斯特征映射方法,在降维之前,依据类别信息修改所有样本在高维空间中的的邻域结构,尤其是对没有类别信息可以利用的测试样本,该方法能通过修改训练样本的位置来优化测试样本的邻域结构,进而修改权值矩阵。实验结果表明,本文所提方法的测试样本的K近邻明显优于有监督的Laplacianfaces,取得了更好的识别效果。