近年来，新生儿疼痛的相关研究在国外引起了广泛的关注。 由于新生儿不能自述疼痛的感受，由此产生了一些针对新生儿疼痛的评估工具，其中面部表情的改变是被广泛认同的一种最有效、可靠的评估指标，因此人脸表情识别研究对开发一种有效的新生儿疼痛自动评估系统是非常有意义的。 人脸表情特征提取是人脸表情识别的核心，特征提取的有效性直接影响到识别的速度和性能。 本文综合比较了目前各种人脸表情特征提取方法的优缺点，在对Gabor小波与核鉴别分析进行了充分研究的基础上，提出了一种应用于新生儿疼痛表情识别的特征提取方法。 主要完成了以下工作： (1)建立了一个包含200幅不同表情的新生儿灰度图像的数据库，本文所有实验都是在这个数据库上进行的； (2)利用快速傅立叶变换实现了人脸表情图像的Gabor变换的快速算法并通过实验的方法选取最优的Gabor小波尺度和方向； (3)传统方法中对Gabor特征直接进行均匀下采样势必会造成有用识别信息的丢失，针对这一问题，提出针对不同尺度的Gabor小波特征采用不同的下采样因子来对Gabor变换特征进行第一次降维，并通过实验证明了这种非均匀下采样方法有利于提高表情识别率； (4)针对整个人脸图像的Gabor变换特征，经过非均匀采样进行第一次特征提取后的特征向量维数依然很高这一问题，提出了一种改进的核鉴别分析方法对Gabor特征进行二次特征提取，该方法从根本上解决了由于人脸识别小样本问题引起的核类内离散度矩阵奇异性的问题。 最后，利用支持向量机分类器对提取的特征进行了实验验证，通过对实验结果的分析得出以下结论：本文提出的二次表情特征提取方法能够显著改善表情识别系统的性能。