超分辨率重建技术无论在军用，还是在民用领域都有着极其广泛的应用，具备巨大的应用前景和理论研究价值。而在大多数字图像应用，图像处理与分析领域经常要求高分辨率图像或者视频作为理想输入信号，这使得超分辨率技术作为众多图像应用的预处理模块显得尤为重要。本文针对人脸超分辨率重建问题进行研究，通过对基于本征变换的超分辨率重建方法及基于稀疏表示的超分辨率重建方法的研究，提出分离式人脸超分辨率重建策略，并进行相关算法研究。同时，本文在此基础上针对这一学习型超分辨率重建策略中的特征提取步骤采用了改进算法，并引入了训练库选择机制以增强相关算法对复杂人脸库的鲁棒性。本文主要研究内容概括如下：①本文首先对课题研究的学术意义与应用价值进行阐述，分析超分辨率重建技术及人脸超分辨率重建技术的国内外现状。对常见的三类超分辨率重建方法进行分析，并对人脸超分辨率重建问题及其适用的一些方法分别进行总结。通过对课题研究难点的分析，为本论文的研究奠定基础。②本文从理论上分析图像退化模型和超分辨率重建技术所涉及的关键理论及技术。介绍图像降质过程的产生及相关的数学模型。试图从图像降质的本质上深入理解超分辨率技术重建问题，并寻找更合适的方法或模型。此外，本文还分析了目前常用的几种客观的超分辨率重建图像质量评价标准。③本文针对人脸超分辨率重建问题，提出一种基于整体到局部的分离式人脸超分辨率重建方法。该方法的特点是对给定的单幅低分辨率人脸输入图像，通过基于块的局部本征变换方法将人脸先验信息引入到人脸整体结构的图像复原中，利用人脸图像的高低分辨率块对的训练集将输入的低分辨率人脸图像放大到中分辨率。然后再运用基于块的稀疏表示方法与预先学习好的高低分辨率冗余字典来复原中分辨率人脸图像的细节。实验结果证明了，本文提出的人脸超分辨率重建方法的有效性。④在学习型超分辨率重建方法中，提取训练样本图像与测试样本图像中结构和细节相似的特征是解决问题的关键。本文对涉及到的一阶梯度算子、二阶梯度算子的来源、推导过程做了较深入的分析。在此基础上，对学习型人脸超分辨率重建的特征提取方法进行改进。根据人脸稀疏表示中原子的多方向性等特性，将原有的4个的梯度特征提取算子增加为8个，从而得到一种新的特征提取方法，更好的获取到人脸图像的结构与细节的相似信息。实验表明了相关改进方法的有效性。⑤由于将人脸整体结构及局部细节信息作为主要的先验信息应用到学习型超分辨率重建中，所以训练集中不同种类的人脸样本如不同种族，也成为影响超分辨率重建效果的重要因素。为此，本文从人脸归属于不同种族的角度，采用基于2范数的距离为度量的人脸图像训练库选择机制，并结合③中提出的基于整体到局部的分离式人脸超分辨率重建方法，较好的解决存在不同种族的复杂人脸库中人脸超分辨率重建问题。实验表明，本文采用的方法可以提高复杂人脸库中人脸超分辨率重建的鲁棒性。同时该方法也可以推广到具有不同姿态和光照变化的人脸图像库。