随着人类社会文明程度的不断提高和科学技术的飞速发展，信息处理的手段和技术也不断更新，隐马尔可夫模型作为其中最为重要的信息处理工具和技术之一，从其基础理论的完整提出，经历不到四十年的时间，已经应用到信息处理的诸多前沿领域，并取得巨大的成功。随着隐马尔可夫模型应用领域的进一步扩展和工程技术精度要求的不断提高，针对隐马尔可夫模型自身存在的问题，对其进行改良并加以应用，有着重要的现实意义，并将最终产生巨大的社会经济效益。 本文在借鉴前人关于隐马尔可夫模型改良理论的基础上，充分分析了隐马尔可夫模型能正确描述现实信号的三大前提，尝试性地从增加观测值间相关性、状态划分及转移的模糊性和基于最大互信息的参数优化算法三方面对隐马尔可夫模型进行了改进，形成了关于建立模糊深隐马尔可夫模型的一系列理论，并将之应用于图像序列的人脸表情识别中。主要工作如下： (1)提出了一种新型模式分类器——模糊深隐马尔可夫模型。针对经典隐马尔可夫模型对含噪音和特征值缺损表情图像序列识别率欠佳的缺点，按照隐马尔可夫模型能够正确描述现实信号的三大前提要求，在新模型中增加对观测值间的相关性、观测值及状态转移的模糊随机性、各待选模型间互信息的相关性的考虑，设计了基于互信息的观测值间相关性算法、基于云模型的观测值、状态模糊随机转移算法以及基于最大互信息准则的参数优化算法，从而构建了模糊深隐马尔可夫模型。 (2)分析并证明了模糊深隐马尔可夫模型的相关性质。结合图论、信息论、概率论等相关理论，对模糊深隐马尔可夫模型和经典隐马尔可夫模型在系统复杂性、有效性、鲁棒性等各方面性质分别进行分析，并以形式化的方式加以证明。 (3)提出了基于模糊深隐马尔可夫模型的图像序列表情识别方法。该方法采用Gabor小波变换对表情图像序列进行特征提取、采用基于观测值间相关性的算法对观测值间依赖集Z进行提取、采用最大互信息方法对模型相关参数进行优化，并将优化后的模糊深隐马尔可夫模型应用于图像序列的表情识别中。实验结果表明，该方法较之基于经典隐马尔可夫模型和深隐马尔可夫模型的方法，具有更高的识别率和更好的容忍噪音和部分缺损的性能。 (4)采用面向对象的设计方法，设计实现了基于模糊深隐马尔可夫模型的图像序列表情识别原型系统，并从实验角度验证了该方法的有效性。