目前对新生儿疼痛的评估都是由受过专门训练的医护人员进行人工评估,这种做法需要花费大量的时间和精力,而且评估结果往往受到主观因素的影响。因此,开发一种基于面部表情的新生儿疼痛自动评估系统是非常有意义的。针对新生儿的疼痛表情识别,本文提出了基于分块加权LBP的新生儿疼痛表情识别方法,主要研究工作和成果如下：(1)研究了采用均匀模式和对称模式LBP特征提取时不同分块大小对识别性能的影响。对新生儿疼痛表情图像进行LBP变换,采用不同分块大小进行分块,然后分别采用均匀模式和对称模式在不同分块情况下进行表情特征提取。(2)通过大量观察各类新生儿疼痛表情图像,分析不同面部表情器官或区域对表情分类的贡献程度,给与贡献程度高的区域以较大的权值进而凸显其表情特征。分别采用规则分块方法和不规则分块方法进行加权特征提取。(3)研究了基于PCA、2DPCA和2DLDA的特征降维方法。实验中采用PCA方法进行表情特征降维,分析PCA选取特征向量的维数和识别率的关系。(4)研究了基于稀疏表示的新生儿疼痛表情分类方法。结果表明,基于LBP的特征提取在分块情况下较不分块情况下识别率有明显提升；基于分块加权LBP特征提取较分块不加权时的识别率有所提升；当训练样本图像为600幅时,采用基于分块加权LBP特征提取时获得平均识别率为84.75%。