人脸表情识别技术作为人机交互的一个分支，在计算机视觉、人工智能等领域有着广泛的应用。随着应用的深入，对人脸表情识别的精确性、适应性和高效性都提出了更高的要求。根据人脸表情识别系统，最关键的问题是：第一，如何提取人脸表情中可分性最强的数据结构；第二，如何对已获得的特征数据进行快速、有效的识别分类。本文重点研究了上述两个问题，以期能够找出一种相对通用的人脸表情的精确、高效识别。　　本研究主要内容包括：⑴针对传统人脸表情特征提取算法存在各向异性差、图像边缘信息丢失多等缺陷，文章利用剪切波技术在特征提取时的优势，分析了利用剪切波提取的图像特征在各尺度和各方向上的信息含有量，找出拥有最佳可分性和含有最大信息量的特征。⑵针对小样本空间下人脸表情识别问题，在分析不同分类器的优缺点后，提出了一种基于概率预估支持向量机分类器的人脸表情识别算法。该方法通过使用已标记和未标记样本的类别预设样本分布概率，构建样本概率空间，对待测样本人脸表情图像剪切波域特征值加以分类识别。而后对系统参数进行优化。实验表明，相对于已有识别算法该算法分类效果良好。⑶针对概率预估支持向量别算法复杂度较高以及系统鲁棒性差的缺点，提出一种基于离散剪切波变换和多流形学习算法的人脸表情识别系统。对于剪切波提取的人脸表情特征，通过保局投影进行多流形学习，根据不同类别的特征，搜索出最佳的临近样本数和投影维度，这样在提高系统的计算速度的同时保证算法识别率良好。