人脸图像超分辨率重建的目的是将一张或者多张低分辨率人脸图像恢复为高分辨人脸图像,它具有重大的应用价值。但是,如何在较大的超分因子下获得良好的人脸超分辨率重建效果,目前仍然是需要进一步探究的问题。因此,本文提出了一个基于人脸结构信息的重建网络和一个基于生成对抗网络的重建网络,以进行8倍超分因子的人脸图像重建。借助人脸的先验信息来引导网络的超分辨率过程,能够有效地增强人脸图像的重建效果。因此,本文提出了一个基于人脸结构信息的人脸超分辨率重建网络,该网络可以充分地利用人脸关键点热图、人脸解析图和潜在的结构特征信息来引导人脸重建过程。具体而言,本文分别提出了人脸结构注意力模块和深度特征融合模块。其中,人脸结构注意力模块结合了空间注意力机制,构建了两个分支来分别提取人脸的全局特征和局部特征;深度特征融合模块结合了通道注意力机制,以融合人脸图像的潜在结构特征信息。通过与目前其他先进的图像超分辨率算法的对比实验,验证了本文提出的方法具有出色的人脸图像重建效果,并且平衡了性能表现和开销代价。同时,通过消融实验证实了本文所提出的人脸结构注意力模块和深度特征融合模块的有效性。虽然基于人脸结构信息的重建网络取得了良好的表现,但是仍然存在着重建出的图像比较平滑等问题。因此,本文在上述研究的基础上,引入了人脸属性和生成对抗网络,提出了基于生成对抗网络技术的人脸超分辨率重建网络。在生成对抗网络的生成器方面,本文提出了属性融合模块,该模块将图像特征和人脸属性进一步提取为更高级的特征,再进行特征融合;在生成对抗网络的判别器方面,本文修改了Light CNN网络,使其能够在给定人脸属性的条件下,判断人脸图像的真假性。此外,本文还增加了感知提取器和属性提取器,以进一步约束网络的生成空间。通过对比实验,证实了本文所提出方法生成的人脸图像具有丰富的纹理细节,最为真实。通过消融实验,证实了该方法所使用的生成对抗损失、感知损失和属性损失这三种损失函数的有效性。