在人际交往中,面部表情是一种非常重要的信息交流方式,能够传达很多语言所不能传达的信息,通过对人脸表情进行识别可以获取大量有价值的信息。在计算机视觉中,人脸表情识别就是利用计算机对人脸的表情信息进行特征提取并分类的过程。它可令计算机根据人的表情信息推断出人的情绪,从而实现人机的智能交互。人脸表情识别的应用非常广泛,例如人机交互、机器视觉、图像处理与模式识别等领域都对人脸表情识别技术有很大的需求。鉴于人脸表情识别所具有的重要价值,本文对人脸表情识别的具体理论进行研究,创新之处有以下三点：·本文提出了一种有效的人脸表情特征提取方法,在传统的局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)的基础上进行改进,生成一种新的特征提取方法——斜对称局部二值模式(SS-LBP)。实验表明,SS-LBP在处理人脸表情图像时成效显著,非常有助于之后的特征降维和表情分类。·本文提出了一种新颖的不完全加权判别滤波器算法IWDF,先对传统的加权线性判别分析(WLDA)算法进行改进形成一种新的线性判别分析模式——不完全加权线性判别分析算法(IWLDA),然后将基础滤波器有效地融入到IWLDA算法中,通过对IWLDA算法进行优化训练出针对不同表情的六个不完全加权判别滤波器IWDF。而后从各种基础滤波器中选出最适合融入IWLDA的点积滤波器,同时在各种不同的权重函数中选择基于玛氏距离的权重定义方式,最终组成最优的IWDF。·本文在传统的线性岭回归算法(LLR)的基础上提出了一种加权线性岭回归算法(WLLR)用来进行表情分类。在本文中,与LLR相比,WLLR取得了更好的表情分类效果。针对以上提出的几个创新点,我们在多个数据集上进行实验并取得了很好的效果,与其他相关算法相比获得了更高的准确率。本篇论文有效地结合了特征提取技术、滤波器技术、线性判别分析技术和回归分析技术。