近年来新型人机交互系统研究中,人脸表情识别研究越来越受到重视,它在教育、机器人、医疗等行业有广泛的应用前景,对模式识别、计算机视觉、人工智能等学科发展具有重要的推动作用,特别对于增强计算机的智能化、人性化以及开发新型人机交互系统有着重要的现实意义,而且更具有重大的经济利益和社会效益。本论文以人脸表情识别算法为研究对象,对人脸表情特征提取及特征降维、人脸表情分类等问题进行了深入的研究,结合Gabor小波变换在图像特征提取方面的优势和支持向量机在小样本问题上的优良特性及良好的分类能力,本文提出了二维Gabor小波与PCA+FLD相融合的表情特征提取算法、基于(RBF)径向基核函数的One-against-one投票策略多分类SVM人脸表情分类算法。本文主要工作如下：(1)基于灰度积分投影的人脸表情区域定位方法。本文首先进行图像灰度预处理,然后在二值化基础上进行积分投影确定表情区域,进而进行几何预处理最后归一化切割为标准大小的表情图像。(2)本文采用多频率多方向的二维Gabor小波变换,然后融合PCA+FLD方法进行特征降维,将图像高维特征映射到低维特征子空间中。(3)在降维后的特征子空间中使用RBF(Radio Basis Function)径向基函数作为核函数构造SVM分类器进行人脸表情样本的训练和识别分类。本文进行了与人相关和与人无关的两类三组实验。与人无关的实验是：融合二维Gabor小波变换和PCA+FLD特征降维后的SVM表情识别。与人相关的实验分别是：原始图像和PCA+FLD特征降维基础上的SVM表情识别、融合二维Gabor小波变换和PCA+FLD特征降维后的SVM表情识别。实验证明本文提出的融合二维Gabor小波变换和PCA+FLD特征降维的SVM表情识别算法是一种较好的人脸表情识别方法。