随着视频监控技术的发展,人脸检测和识别因其在罪犯识别、安防系统等方面的巨大应用前景而成为当前模式识别和人工智能领域的一个研究热点。但如果摄像头采集到的人脸图像的分辨率不够高的话,将会影响到人脸检测和识别的成功率。图像超分辨率技术是指由低分辨率图像生成高分辨率图像的过程。而针对人脸检测与识别的需求,人脸图像超分辨率应运而生。它是图像超分辨率技术在人脸图像上的特殊应用。本文主要研究了边缘自适应插值算法和人脸图像超分辨率技术。本文首先介绍并实现了几种典型的边缘自适应插值算法,分析了其增强分辨率的原理,并通过实验验证了各种算法的优缺点。其次,对人脸超分辨率的几种经典方法进行了研究,介绍了基于Bayesian概率的学习超分辨率算法框架,阐述了各种学习模型的建立方式,并且介绍了人脸超分辨率算法的三种约束条件。本文对人脸超分辨率技术的真实性与误差问题进行了深入、详细的讨论,并通过分析提出了自己的观点与结论。本文提出了一种基于插值和主元素分析法的人脸超分辨率方法。该方法将一幅高分辨率人脸图像视为由全局脸和局部高频细节两者组成的。首先,利用“新的基于边缘导向的插值算法”(NEDI)对低分辨率输入图像进行重建,得到全局脸图像。然后,通过主元素分析法(PCA)提取全局脸图像的结构信息。在训练库的辅助下,我们根据这些结构信息合成出局部细节。最后,将全局脸图像和局部细节信息相结合,得到最终的人脸超分辨率结果。实验证明,这种方法可以有效地实现人脸超分辨率。本文在Visual C++的环境下,借助OpenCV计算机视觉库,编写了一个应用软件,实现了本文提出的算法。最后对本文的工作进行了总结,并结合人脸超分辨率技术可能的发展方向,指出下一步研究中需要做的工作。