面部表情在人和人的交流过程中扮演着十分重要的角色,它作为一种非语言交流的有效手段，能够表达和传递人的基本感情信息，因此可以利用表情来辨别交流者的内心情感世界与态度。与之相对应的表情识别技术，也是人机实现智能交互和情感计算中非常重要的构成内容。一个完整的人脸表情识别系统由人脸检测、表情特征提取与降维、表情分类识别构成。目前对表情识别的研究内容，主要着重在后两个部分。在表情识别的完整过程中，提取表情特征以及特征降维占据着极其重要的地位，怎样提取有效且稳定的表情特征，使较少数量的特征尽可能的富含更多的表情类别信息，将是识别表情结果成败的关键。　　本文在总结前人研究成果的基础上，对表情特征提取，特征降维等具体过程中所存在的问题和不足做了相关研究，对传统算法提出了一些改进。主要研究工作如下：　　(1)对表情原始图片进行两种预处理，第一种，进行简单的去背景操作，保留整个人脸肖像图。第二种，使用灰度积分投影方法检测人脸，再使用二次灰度积分投影方法，对人脸的关键特征点(眼睛，鼻子等)进行精确的特征定位，最后保留人脸的主要表情区域。上述操作对特征提取以及降维有着重要作用。　　(2)以提取整体表情结构信息、局部纹理特征和特征降维为核心，研究使用传统单一特征提取方法的优缺点，综合Gabor小波与局部二值模式(LBP)两种特征提取方法并进行改进，使之能有效结合全局表情特征与局部表情特征。针对特征向量维数较高及在变换域中的存在相关性和冗余性，采用离散余弦变换(DCT)进行特征降维，可有效抑制噪音，能在最大程度上充分保持特征原有的拓扑结构。　　(3)针对上述特征提取算法以及中心对称局部二值模式(CS-LBP)算法的思想，为进一步提高表情特征所含信息的丰富性，提出二值叠加中心对称局部二值模式(二值叠加CS-LBP)，即同时进行两种中心特征值的提取，将此二值叠加后作为新的中心特征值。仿真实验表明，该方法具有较好的鲁棒性和识别效果。