本文在传统CNN网络的基础上，针对原始CNN网络存在的问题进行改进。随着网络层数的加深，图像中会有部分有效信息被忽略，本文提出的WCSLBP-SCN算法采用了两种网络模型对图像的全局信息和局部信息分别提取并融合。一方面，选取在Resnet18网络的基础上改进的SCN模型，使SCN模型提取图像的全局特征，另一方面，在训练阶段引入改进的CSLBP局部学习方法，并将去噪块加入设计的浅层网络中，对图像进行局部特征提取，增加了网络处理特征时的多样性，使图像的特征信息保留更完整，在分类时具有更高的准确性。实验使用的是CK+、RAF-db、FERplus数据集，这三个数据集在表情识别领域均有一定代表性，实验结果比较有说服力。但WCSLBP-SCN针对一些特殊环境条件下的表情还不能精准识别，进一步工作将研究应用在特殊环境下的网络模型。