随着数字成像设备的发展和普及,图像作为视觉信息的载体,成为人们日常生活中不可或缺的部分,承担着信息获取、分享、记忆和分析的重要作用。人脸图像在其中占有较高的比例,在日常生活中发挥着非常重要的作用。例如手机单反拍摄人物照、短视频电影中的人物、监控场景下的行人、人脸识别解锁相关的设备等。然而由于硬件设备的限制、拍摄过程的不稳定因素、成像系统的不完善、以及后续存储和传输的需求等因素,不可避免地对人脸图像造成损坏,导致视觉质量降低。真实低质量的人脸图像复原,又称为人脸图像盲复原,是图像复原领域里一项经典的研究方向。由于其复杂未知且无法模拟的退化过程,对复原任务带来极大的挑战。人脸图像盲复原不仅可以提升视觉观感,减少对硬件设备的依赖,同时对后续人脸分析和识别等相关任务具有重大的意义。目前主流的人脸图像复原方法主要是通过卷积神经网络直接学习从低质量图到高质量图的映射。为了提升复原性能,通常引入人脸关键点、部位分割图等先验进行引导。然而对于以生成纹理细节为目的的复原场景,该类方法提升效果通常有限,无法很好地处理真实低质量人脸图像。为了提升人脸图像盲复原的性能,本文从特定人脸复原和通用人脸复原两个角度进行探索。通过引入同一身份的高质量人脸图像以及通用的人脸纹理先验,减少对未知退化类型的敏感,生成真实的纹理细节,提升盲复原效果。具体研究内容及创新点如下:（1）针对现有方法对真实低质量图像的未知退化类型敏感问题,以及退化严重时无法生成属于当前身份的真实纹理细节问题,将该复原任务定义为特定的人脸图像盲复原,通过引入同一个身份的一张高质量正脸图来引导退化图复原过程,能够降低对退化类型及参数的敏感性的同时,有效提升了人脸盲复原性能。由于人脸表情和姿态具有多样性,为了准确地将高质量引导图纹理特征迁移到退化图中,提出半监督的光流预测网络,将引导图形变到退化图姿态,解决引导图和退化图之间的空间和姿态对齐问题。通过分析实验可以得出,基于引导图的复原模型相比其他方法,可以有效地提升人脸图像盲复原性能。（2）基于单张引导图的复原模型虽然能够带来盲复原性能的提升,但是由于人脸的多样性,单张引导图通常比较受限。例如当引导图中嘴是张开的,而退化图是闭合状态,这种情况导致网络无法有效地进行引导。通过观察发现,每个人同时拥有多张姿态各异的高质量人脸图像。基于此,将单张引导扩展到多张引导复原上。给定一张退化图,通过对同一个人的所有引导图遍历出姿态和表情最相似的图像作为最优引导图,并提出自适应特征融合模块,解决光照等分布不一致问题。通过实验发现,相比单张引导图,该方法由于具有和退化图姿态更一致的引导图,实现了不同姿态和表情的退化人脸图像的高质量复原。（3）上述两种特定的人脸图像盲复原方法由于需要同身份的一张或者多张高质量引导图,并且有限的数量往往不能涵盖大部分表情和姿态,导致方法应用场景严重受限。通过分析发现,每个人具有相似的结构和纹理,从现有的大量任意身份的高质量图像中总能找到跟当前退化图姿态和表情完全一致的图像。基于此,提出通用的人脸图像复原方法,通过构建大量通用的人脸部位纹理先验,对任意退化图进行引导复原。具体地,对于一大批高质量人脸,在特征层中对各个人脸部位通过均值聚类的方式,获得各个部位的聚类中心,作为后续引导复原的参考。通过实验发现,该方法由于具有大量的通用纹理先验,涵盖了常见的表情和姿态,能够稳定地对真实图像进行盲复原,应用场景广泛。（4）特定复原方法虽然一定程度上能够将身份相关的纹理迁移到退化图上,使得复原结果与当前身份更一致。但是受限于引导图和退化图姿态的一致性问题,一部分人由于具有较少的引导图,因此无法稳定地复原。相反,通用引导方法虽然能够涵盖大多数姿态,但是往往丢失了身份相关的纹理。基于此,提出特定字典和通用字典的双记忆字典模型,来灵活利用人脸结构的相似性和独特性,并且能够在同一个框架中,自适应地处理和复原有或无特定引导图的情况。具体地,特定字典存储身份相关的纹理特征,而通用字典存储大量的通用纹理先验。当身份未知以及引导图不存在时,只利用通用字典即可实现复原目的,可以灵活地处理大部分复原场景（有/无引导图）。实验发现,通过结合双字典的优势,能够复原真实低质量图的同时,最大程度地生成身份相关的纹理。