随着视频和图像处理技术的飞速发展，人们对高分辨率图像、视频和图像序列的需求越来越强烈，超分辨率重建技术可以突破图像采集设备的分辨率限制，在刑事侦查、人脸识别、医学诊断等领域具有广泛的应用前景，超分辨率重建技术是一种由一幅或多幅低分辨率图像对相应的高分辨率图像进行预测的技术，其研究方法主要分为基于重建的方法和基于学习的方法两类。人脸图像超分辨率是超分辨率技术在人脸图像上的应用与拓展，主要包括人脸识别、人脸恢复、人脸表情分析、人脸视频传输等领域。本文分别针对单帧和多帧人脸超分辨率重建技术进行研究。针对单帧人脸低分辨率图像，通过基于学习的方法获取超分辨率重建图像；针对多帧人脸低分辨率图像，通过多帧图像之间互有位移、互为补充的信息，进行图像融合获取超分辨率重建图像。本文研究集成于贝叶斯MAP框架，主要工作和研究成果如下：针对单帧人脸图像的超分辨率重建，为了降低人脸幻脸算法中单像素学习引起的颗粒噪声，提出了一种基于学习的金字塔超分辨率算法，利用金字塔学习人脸图像梯度的空间分布特性，建立标准人脸训练库作为学习模型，采用塔状父结构从训练库搜索匹配特征信息相似度最高的小块，预测出最优的拉普拉斯金字塔先验模型，然后利用贝叶斯MAP框架求出高分辨率人脸图像，实验结果证实，相比其它人脸超分辨率算法，在将人脸图像分辨率提高4×4倍情况下，新算法生成的高分辨率人脸图像的峰值信噪比提高了1.19-2.4DB，可以更好的消除噪声，具有较好的视觉效果。进一步地，为了降低重建时间和噪声，提出了一种新的基于稀疏表示的人脸幻脸算法来重建高分辨率人脸图像，通过联合训练高低分辨率人脸图像块字典，高效的建立了高低分辨率块之间高频特征分量的稀疏表示关系，并定义这种关系为先验知识，根据各自的训练字典，通过贝叶斯MAP框架来重建人脸超分辨率图像，这个学习字典对是一个紧凑的高低分辨率块对表示，有效的减少了重建时间。实验结果表明本文提出的这种方法可以重建出高清的人脸图像，并且比目前人脸超分辨率重建技术耗时少，在峰值信噪比和视觉效果上跟当前最流行的算法相比取得了较好的效果。针对多帧人脸图像序列超分辨率重建，连续各帧图像间的精确匹配和帧的选择具有非常重要的意义。为了降低帧间较大运动造成的重建误差，提出了自适应帧选择原则，设计了联合光子流运动估计配准和超分辨率重建的方法。首先采用光子流运动估计算法计算各帧间的运动估计，设计一种自适应帧选择方法丢弃一些帧间运动较大的帧，再通过亚像素图像配准，计算得到相对精确的运动估计参数，最后结合贝叶斯MAP框架进行图像超分辨率计算，并充分考虑两次迭代所得图像向量的差值对下次迭代算法的影响。实验结果表明，该方法不仅可以实现亚像素级的精确配准，还可以使重建后图像在视觉效果和峰值信噪比上都得到更好的效果。