数字图像的分辨率度量了图像的清晰度，分辨率的高低是由图像单位面积上像素的个数决定的，它是衡量图像质量高低的关键指标。人脸超分辨率重建是一种对低分辨率人脸处理得到对应高分辨率人脸的低成本的软件技术，又称为人脸幻生。基于人脸图像或视频广泛涉及于计算机视觉、机器学习等领域，人脸幻生技术一直是热门关注、研究方向，它被广泛应用于多媒体通信、人脸识别、视频监控等。
　　本文重点研究了基于学习的人脸幻生技术，通过对基于相似性约束的人脸幻生算法和基于邻域嵌入的人脸幻生算法的研究，提出改进的基于相似性约束的迭代学习人脸幻生算法和改进的基于位置的邻域嵌入人脸幻生算法。主要研究成果及贡献包括以下两方面：
　　1.传统学习型图像超分辨率重建方法存在着高空间复杂度的缺陷，由此提出改进的基于相似性约束的迭代学习人脸幻生算法。首先让每幅待重建人脸通过主成分分析在初始训练集人脸库中筛选中与之相似度最高的若干个人脸对构成新的训练集，用于后续的迭代学习重建；每次迭代仅有一个训练集高低分辨率人脸对参与训练，降低了空间复杂度；由于流形学习中存在着低维空间到高维空间的一对多映射的缺陷，提出在每次迭代中均采用相似性约束计算重建权重，以降低这种不一致性导致的重建误差。实验结果表明，本章提出的改进算法不仅有较小的空间复杂度，同时也拥有更好的主观和客观效果。
　　2.研究基于邻域嵌入的人脸幻生技术。同上，首先让每幅待重建人脸经过一个自适应筛选训练集相似人脸库系统的预处理，得到新的训练集人脸库。为了更好地表示人脸图像的信息，提出新的人脸特征提取方法和高低分辨率人脸块特征联合学习的邻域人脸块搜索方法；基于人脸的结构相似性，对人脸进行基于位置的人脸块分类；考虑到流形学习存在着低分辨率流形到高分辨率流形间的不一致性，对待重建位置人脸块的训练集高低分辨率邻域人脸块分别投影至共同的流形空间以进行流形校正，然后后续的重建权重系数的局部邻域嵌入算法求解均建立在共同流形上进行。实验证明，本章提出的改进的基于位置的邻域嵌入人脸幻生技术相对传统邻域嵌入算法，重建出的高分辨率人脸图像有更好的客观质量和主观效果。