人脸作为计算机视觉领域重要研究对象,近年来一直是研究的热点。随着多媒体技术的日益发展,人们对人脸图像的质量提出了更高的要求。更换传感器势必增加成本,而且在硬件上受到物理限制,因而采用超分辨率技术成为一种新的选择。图像超分辨率(SR)技术是一种基于信号处理技术来获得高分辨率图像的方法,它可以克服图像系统的内在分辨率限制,且具有低成本的特点,因而在视频、医学成像、监控、遥感和军事等领域都被广泛应用。本文主要研究马尔科夫网络模型下人脸图像的超分辨率技术,针对分块MN模型中的关键问题:观察函数和传递函数的求解,本文首先提出了一种基于人眼定位的人脸对齐方法,通过基本对齐实现位置限制机制,加快了马尔科夫网络收敛速度,并有效地避免了干扰项。然后,在块的搜索匹配中,本文提出按照高频成分的分布进行相似性度量,对平滑区域的块进行简单的灰度相似度量,而梯度较大的块结合纹理和灰度特征度量,在求解传递函数时,采用图像重叠分块和水平兼容性优先的方法,提高了匹配相关性,简化了隐层节点的计算。最后本文在VC++6.0平台上,实现了一个马尔科夫网络模型下人脸超分辨率原型系统。该系统实现了训练集的采集、人脸对齐以及分块相似性度量等功能,并对实验结果进行了比较和评价,对系统的性能进行了分析。