人脸表情识别是人机交互与信息处理领域中的一个重要课题,具有很高的学术价值和应用潜力。实现计算机对人脸表情的理解与识别将从根本上改变人与计算机的关系,对于需要人机交互的实用系统性能的改进具有突破性的进展,同时由于人类情感及人脸表情的复杂性和特殊性,又使人脸表情识别成为一个极具挑战性的课题。本文分析和研究了大量近年来国内外关于人脸表情识别的学术论文及文献,对计算机人脸表情识别的若干问题进行了探讨,针对人脸表情识别中表情特征的提取方法进行了深入的研究,实验表明本文改进及引入的特征提取算法对人脸表情识别是合理、有效的,具有一定的理论价值与实用价值。本文的研究工作主要包括以下几个方面:第一,改进了加权主元分析(WPCA)算法。本文将WPCA的方法引入表情识别,并根据表情特征的区域分布特点构造了新的加权函数,实现双中心双向尺度可调的加权主元分析。在日本妇女的表情数据库上的比较实验也表明本方法的有效性。第二,将二维主元分析(2DPCA)算法应用到人脸表情识别的特征提取中。二维主元分析的算法以前只是被应用于人脸识别中,本文将该算法引入人脸表情识别领域,从理论和实验两方面分析比较了单个方向上的2DPCA算法、双向的二维加权主元分析(2D-2DPCA)的算法较之于传统PCA算法在表情特征的识别与分类中的异同及优势。第三,提出了二维局部保留投影算法及双向二维局部保留投影算法。本文提出了一种新的二维局部保留投影算法(2DLPP),克服了局部保留投影算法(LPP)存在的奇异值问题,继承了其表达非线性数据的优良特性.同时又结合2D-2DPCA算法推导出一种新的双向二维局部保留投影算法(2D-2DLPP),进一步提高了算法降低特征维数的能力。在基于日本妇女的表情数据库的表情识别系统中进行实验,两种算法都取得较好的识别结果。第四,构建了人脸表情识别系统。将目前所研究的算法的识别过程及识别结果直观的显示出来,也为进一步研究表情识别算法提供一个平台。