1.一种融合DLDP与sobel的表情特征提取方法，其特征在于，包括以下步骤：S1、将人脸表情图像与sobel算子进行卷积，得到人脸表情图像的边缘特征信息；

S2、将S1得到的图像划分成不重叠的M×N个子区域；

S3、令人脸面部图像的任意像素点X作为中心点与其领域8个像素点构成一个正方形，根据Kirsch算子的8方向掩模，以正方形的四个角作为第一子方向掩模，以正方形的边上四个中点作为第二子方向掩模，分别通过第一子方向掩模及第二子方向掩模与8个领域像素值卷积计算四个角和上下左右方向的边缘响应值；

S4、将排名前3的边缘响应值所在的位置设为1，其他位置设为0，根据图像在4个方向的响应符号直接进行二值编码，构造图像局部描述子，得到DLDP1和DLDP2编码；

S5、通过DLDP1和DLDP2得到DLDP编码梯度值的直方图，级联M×N个子区域的直方图，得到人脸表情图像的特征信息，再通过分类器得到融合DLDP与sobel的表情特征提取方法的识别率。

2.根据权利要求1所述的融合DLDP与sobel的表情特征提取方法，其特征在于，所述步骤S1将人脸表情图像与sobel算子进行卷积，得到人脸表情图像的边缘特征，具体包括步骤：sobel算子与人脸表情图像卷积以得到水平和垂直滤波结果：

x y

通过将I和I组合以求出边缘特征：

3.根据权利要求1所述的融合DLDP与sobel的表情特征提取方法，其特征在于，所述步骤S3根据8方向Kirsch算子的掩膜集合{M0～M7}:其中M1,M3,M5,M7作为第一子方向掩模M0,M2,M4,M6作为第二子方向掩模,同时利用第一子方向掩模及第二子方向掩模与8个相同方向的领域像素值卷积计算四个角和上下左右方向的边缘响应值，然后根据图像在4个方向的响应符号直接进行二值编码，构造图像局部描述子，定义为：其中， m1i表示第一子方向中第i个边缘响应值，m2i表示第二子方向中第i个边缘响应值，mk是第k大的边缘响应值。

4.根据权利要求1所述的融合DLDP与sobel的表情特征提取方法，其特征在于，所述步骤S5得到DLDP分解局部方向模式编码梯度值的直方图具体包括步骤：像素的DLDP码根据原图坐标排列形成对应的DLDP编码图，计算每个像素(x,y)的DLDP码之后，直方图HDLDPi定义如下：HDLDPi＝∑x,yf(DLDPi(x,y),Ci)

式中， Ci表示第i子方向的sobel-DLDP码，i＝1,2，所得的DLDP描述子是DLDP编码梯度值的直方图，再利用下式将DLDP1和DLDP2的直方图联接起来获得DLDP直方图HDLDP，作为图像特征表示。

5.根据权利要求4所述的融合DLDP与sobel的表情特征提取方法，其特征在于，所述步骤5，融合DLDP与sobel的表情特征提取计算方法为：联合水平方向和垂直方向的DLDP算子就得到Sobel-DLDP算子：Sobel-DLDP＝{Sobel-DLDPx,Sobel-DLDPy}其中，

Sobel-DLDPx＝{Sobel-DLDP1x,Sobel-DLDP2x}y y y

Sobel-DLDP＝{Sobel-DLDP1 ,Sobel-DLDP2}DLDPx表示DLDP码的水平方向分量，DLDPy表示DLDP码的垂直方向分量，DLDP1x和DLDP2x分别表示第一子方向DLDP的水平分量和第二子方向DLDP的水平分量，DLDP1y和DLDP2y分别表示第一子方向DLDP的垂直分量和第二子方向DLDP的垂直分量；

利用下式分别提取每一个子块的Sobel-DLDP直方图HSobel-DLDP。

式中， Ci表示第i子方向的sobel-DLDP码，i＝1,2。最终将表情图像以从左至右、从上至下的顺序联接各个子块的特征直方图，该级联直方图用于表示人脸表情特征。最后应用SVM对融合信息进行分类并识别人脸表情。

6.根据权利要求5所述的融合DLDP与sobel的表情特征提取方法，其特征在于，所述步骤S1利用JAFFE人脸表情数据库作为实验数据库，首先，通过sobel算子得到表情图像的水平和垂直方向的边缘特征，然后融合这两个方向的特征得到表情图像的边缘特征；再通过二值化减少数据量；然后再通过DLDP进行特征提取得到人脸表情特征直方图，用于分类器进行表情分类识别。