研究表明，新生儿经历反复的疼痛刺激会对以后的成长发育造成一定的不良影响，严重时会导致中枢神经系统的永久损伤。目前对新生儿疼痛程度的评估都是由受过专业训练的医护人员来进行，但此方法需要花费大量的时间和精力来培训专业人员，且评估结果受个人主观因素的影响，不能及时客观有效的进行评估，因而建立一套新生儿疼痛表情识别系统具有潜在的市场价值和应用前景。特征提取是新生儿疼痛表情识别的关键技术，它直接影响着识别率的高低。本文采用2D-Gabor小波变换和均匀模式LBP相结合的方法提取新生儿疼痛表情特征，再利用PCA算法降低图像特征维数，最后利用稀疏表示法进行分类识别，实验结果表明了算法的可行性和有效性，本文主要完成以下内容：（1）本文对表情特征提取方法进行了分析和研究，提出了基于2D-Gabor小波变换和均匀模式LBP相结合的新生儿特征提取方法。（2）研究了Gabor小波内核窗口大小（7*7，19*19，35*35，51*51，65*65）对识别性能的影响，实验结果表明当内核窗口大小为35*35时识别效果最为理想。（3）研究了均匀模式LBP的分块模式（3*3，4*4，5*3和6*5）、特征维数和训练样本数（300、400、500、600）对识别性能的影响，并对实验数据进行分析。（4）研究了不同的稀疏系数求解方法对识别结果的影响，综合考虑识别率和效率，本文采用的截断牛顿内点法效果更为理想。（5）研究了四种不同的特征提取方法在相同实验条件下的识别率高低对比，实验结果表明，采用本文所提出的特征提取方法平均识别率可高达85.92%，能够有效正确地识别出新生儿疼痛表情图像。