人臉表情是人類情感信息傳播與人際關系協調的重要方式。人臉表情識別在人際交流以及交互中作用非常的重要，多被應用到機器視覺、智能控制、模式識別等領域，它根據人的表情不同做出不同的判斷，更好地滿足人類生活需求。在表情識別技術中，如何提取和選擇有效的人臉描述特征是研究的關鍵內容。表情識別主要南人臉表情識別的特征提取和稀疏表示分類器的選擇兩個部分組成。

　　特征提取在人臉表情識別中有著相當重要的作用，提取出來的特征也影響著整個識別系統的正確率，目前普遍為大家所用的包括整體法、局部法、光流法、模型法和幾何法，整體法和局部法主要用于靜態圖像特征提取，光流法、模型法和幾何法主要用于動態圖像特征的提取。其中在整體法中較為熟知的提取算法有PCA特征、LDA特征舊和ICA特征：局部法中比較經典的算法有LBP算子法和CJahor小波法。Gahor小波在提取日標的局部宅間和頻率域信息方面具有良好的特性，然而，該算法需要計算不同尺度和方向的小波核函數，提取出的高維特征向量對整個算法造成冗余。相比而言，傳統的LBP算子法是一種簡單，有效的紋理分類的特征提取算法，在紋理分析方面有著廣泛的應用，近幾年在人臉識別領域取得了巨大的發展。從傳統的LBP算子法到MB—LBP算子法冉到后來的完整LBP算子法，每一次的改進都在人臉識別領域取得了較大的成功。例如，LBP算子法到MB—LBP算子法的改進，相比原始LBP算法整幅圖片進行編碼，MB-LBP特征首先將特提取特征的圖像分區域，在某一塊區域中冉等分成9塊，再以每一小塊的平均灰度值替代原始LBP特征算法的3x3模式中的臨域點灰度值，之后將平均值和中心塊像素值相比，得到MP-LBP特征碼。文中首先采用MB-LBP算法進行特征提取，再利用C-LBP算法把中心像素考慮了進去并賦予最高的權值，提高了特征判別力和特征的有效性。
?