特征脸域的超分辨率人脸识别是一种有效的低分辨率人脸识别方法。它将超分辨率重建从空间域投影到了低维的人脸空间,即特征脸域。在保证重建效果的前提下大大降低了计算复杂度。可是,此算法投影所用的方法是主成分分析法,它需要将二维的图像矩阵转化为一维向量。而图像矩阵的尺寸往往较大,向量化产生的高维数据,使得后续算法的计算复杂度很高；此外,图像的向量化使得原始图像中的某些隐含信息丢失,影响了重建结果。为此,研究人员提出了主成分分析的改进方法。基于已有的算法,本文从特征提取和超分辨率重建两个角度出发提出了两个改进算法。第一个改进算法在已有算法的基础上改用二维双向主成分分析的方法进行特征提取,有效的提高了图像的重建效果和图像识别率。第二个改进算法是针对第一个算法遇到的问题提出来的。在第一个改进算法中,由于超分辨率的模型是建立在一维向量上的,所以特征提取得到的投影系数矩阵在超分辨率重建时需要转化为一维向量,增加了计算的难度。所以,第二个改进算法提出了二维的超分辨率算法。它使得超分辨率能直接对矩阵进行重建。在AR、ORL和YALE人脸数据库上的实验结果表明,本文的两种算法比已有算法具有更好的重建效果和识别效果。