近些年来，经过医学界的研究证明，如果新生儿受到反复的疼痛刺激，这将对新生儿产生许多的不良影响，因此新生儿疼痛的研究受到越来越多的研究人员的关注。另外，因为新生儿无法表述其自身的疼痛感觉，这也就需要研究出能够对新生儿疼痛进行评估的工具，在诸多的评估手段中，新生儿的面部表情被认为是一种比较有效可靠的评估指标。但是人工对新生儿面部表情进行评估是一项需要大量时间和精力的工作，且易受到主观因素的影响，所以开发出一种新生儿面部疼痛表情自动识别系统就显得十分有意义。作为最近在信号处理领域的一个新理论，压缩感知理论有着许多的优点。它主要是针对于稀疏的或者可压缩的信号，在对这些信号进行采样的时候可以同时进行适当的压缩，由于图像信号在大多时候是具备稀疏性的，这就为在模式识别和图像处理的问题上使用稀疏表示方法提供了可能性。本文主要的研究工作包括以下几个方面。(1)分别采用了下采样和主成分分析法作为特征提取方法，对本文中所用到的新生儿面部表情图像进行特征提取。(2)通过对新生儿面部表情图像测试样本的稀疏表示，采用正交匹配追踪算法求得最稀疏的系数解，经实验证明所求得的系数中具有可以对测试样本进行分类的类别信息，可以实现对测试表情图像的识别。(3)分别将采用下采样和主成分分析法两种特征提取方法所得的结果与正交匹配追踪算法相结合进行实验，通过对比实验结果发现，如果具备充分的训练样本和特征维数，同时系数解足够稀疏的时候，这两种不同的方法都可以达到较为满意的识别水平。