人脸表情识别是研究人机交互领域的重要课题,备受学者们的广泛关注。表情识别可应用于医疗、司法、远程网络教学、安全监控和视频检索等领域。随着表情研究的继续深入探索,人们发现了一种难以察觉的表情:微表情。它发生时间极短,极易被忽视,但又在临床医学、审讯侦查和商业谈判等领域中具有很强的实际应用价值,因此逐渐成为近几年来人机交互领域的新兴课题。本文从局部纹理特征提取处入手,就如何能够有效快速地在表情中提取静态纹理信息和在微表情中提取动态纹理信息,提出了解决方案,主要研究工作如下:针对人脸表情识别背景复杂导致识别率低的缺点,本文提出了中心对称三值模式(CSTP)算法。首先对人脸表情图像进行分块处理,在每一子块上提取CSTP特征,并对该子块进行CSTP特征的直方图统计,然后求出各个子块对应的信息熵,构造自适应加权系数,再分别和各个子块的CSTP直方图相乘,将自适应加权后的各个子块特征向量级联作为最终的纹理特征。另外将在特征提取中有着优异表现的HRI-CSLTP算法应用到表情识别领域,其水平-垂直编码的CS-LTP和对角编码的CS-LTP两种算子相互结合,既提供了局部纹理的强度分布信息又提供了梯度信息。最后利用支持向量机(SVM)进行表情分类,在JAFFE和CMU-AMP表情库上进行试验,通过对比2DPCA、Gabor+PCA、LBP和CBP四种方法发现CSTP和HRI-CSLTP算法对表情识别很有效。微表情识别的特征提取算法以前采用动态纹理的LBP-TOP算法,但是微表情识别率并不高,将HRI-CSLTP和提出的CSTP算法应用到微表情识别,进一步提出了CSTP-TOP和HRI-CSLTP-TOP算法。CSTP-TOP算法的信息熵权重将局部纹理特点与全局纹理特点完美相融,有利于图像纹理特征的自适应增强,便于提升微表情识别的鲁棒性。HRI-CSLTP-TOP算法融合了局部纹理的强度分布和梯度信息,同时考虑微表情变化的时间和空间信息。在CASME库中进行实验,结果表明CSTP-TOP和HRI-CSLTP-TOP算法的微表情平均识别率皆优于VLBP和LBP-TOP算法。