人脸表情合成与分析是计算机视觉和图形学领域的一个研究热点，面部表情的丰富性和人脸表面的复杂性，使得表情因人而异且千变万化。人脸表情的变化不仅包括整体面部特征的运动变形，而且包括局部纹理的细微变化，而这些局部的表情细节往往是判定表情类别的重要视觉线索，但是它们合成起来却非常困难。因此，研究人脸表情迁移，即将源人物的表情细节复制到目标人物的脸上具有重要意义，并且在实际中有广阔的应用前景。本文在研究现有表情合成方法的基础上，提出两种不同类别的人脸表情迁移方法，主要的创新性研究成果如下：(1)提出一种静态人脸表情迁移方法。该方法从图像频域出发，利用小波变换的方向选择特征，从四个方向上分别提取源人物人脸图像的表情细节信息，进而将这些细节转移到目标人物中性脸上，得到静态人脸表情合成图。在CK+数据库和JAFFE数据库上的实验结果表明，该方法合成的图像不仅保留了目标人物的面部特征，而且包含源人物的表情细节，合成自然逼真且具有个性化的表情。(2)提出一种动态人脸表情序列迁移方法。该方法首先利用非线性TensorFace模型生成源人物动态变化的表情序列图像；然后将目标人物的中性脸形变到各个表情形状下，生成目标人物的形变表情图像；最后将源人物图像的表情细节转移到目标人物的形变表情图像上，合成逼真自然的动态表情序列图像。主观和客观视觉质量评价均表明本方法的优越性。