根据近年来的医学研究表明，新生儿对于疼痛是有一定感知力的，这种早期疼痛对以后的发育和成长都会造成一定的影响。由于新生儿不具有表达这种疼痛感受的能力，面部表情被认为是一种能有效描述这种疼痛感的评估指标。因此，开发一套新生儿疼痛表情自动评估系统具有广阔的应用前景。对于这一课题的研究，本文主要完成如下工作：（1）着重讨论Gabor小波变换以及不同Gabor内核窗大小对识别率的影响。实验证明，使用Gabor小波变换提取特征具有较好的空间域、频率域局部性，以及多方向选择性，可以很好的保存表情图像细节部分。（2）本文在主成分分析PCA降维的理论基础上，采用了二次2D-PCA对Gabor特征值进行降维。实验证明，使用2D-PCA降维较PCA方法大大提高了运算效率。（3）结合压缩感知理论基础，对测试图像进行稀疏表示，并且比较不同系数求解方法的识别效果。实验证实，使用牛顿法求得的系数解最能逼近原图像，识别效果最好，但同时运算复杂度也最高。（4）比较Gabor+PCA与Gabor+2D-PCA提取特征方法，实验结果显示，在不影响识别率的前提下，2D-PCA降维方法可大大提高运算速度。比较Gabor+2D-PCA与下采样+2D-PCA方法，结果显示，使用Gabor方法提取特征的识别结果可达到94%-95%的识别率，远远高于后者。本文通过对具体算法讨论以及实验结果分析得出结论：使用Gabor+2D-PCA方法提取特征并降维，结合牛顿法求解稀疏系数进行分类可以得到一个很好的新生儿疼痛表情识别率。