人脸作为人类与外界交互的最重要的窗口之一,其传达的信息具备鲜明的人物特征,因而人脸图像相关算法的研究是目前机器视觉领域里最为热门的研究课题之一。人脸图像算法拥有十分广泛的应用场景,具备很强的实用性,在社交、娱乐、安防、医疗等诸多领域的产品中都可以看到人脸相关算法的部署。随着互联网的发展和人脸图像相关算法的大规模应用,人脸图像质量的好坏成为愈发被重视的问题,破损人脸图像修复技术的应用越来越广泛。与此同时,人脸表情识别技术在学术研究以及工业产品中发挥着重要作用,在人机交互领域中的重要性日趋提高,准确的识别人类心理及情感变化可以极大提高人机交互相关产品的使用体验。综上,人脸图像修复和人脸表情识别在人脸图像相关问题中扮演了越来越重要的角色,具备非常重要的理论和实际意义,它们得到了学术界和工业界的普遍关注。本文主要由人脸修复和表情识别两个部分构成,目的是解决包含遮挡噪声的人脸的表情识别问题。目前人脸修复的诸多算法以生成对抗网络为基础,经典生成对抗网络做人脸图像修复会出现未遮挡区域像素值偏移问题,针对上述问题,本文采用噪声分割方法优化经典生成对抗网络。针对噪声分割方法的精度不足问题,提出使用知识蒸馏的方式进一步优化噪声分割网络,以提升分割精度。此外,人脸表情识别的经典方法对人脸主要情感判断存在偏差,针对此问题提出基于伪孪生网络的知识蒸馏方法提升模型性能。另外,由于目前缺乏联合人脸修复与表情识别任务的公有数据集,本文基于现有表情识别数据库制作遮挡掩码,构建了一个包含遮挡噪声的人脸数据集。所以本文主要工作分为以下几个部分:(1)优化基于经典生成对抗网络的人脸图像修复方法。针对经典生成对抗网络的局限性提出遮挡噪声定位方法,通过定点修复方式缓解原始图像经多次滤波后的未破损区域像素值偏移问题。实验表明,本方法可以进一步提升人脸图像修复的准确度。(2)优化人脸噪声分割模型U-Net++。针对原始U-Net++中不同参数量的子模型构建教师-学生蒸馏网络,利用教师模型为学生模型提供软标签,丰富监督信息,实验表明,该方法能够提升U-Net++各子模型性能。(3)实现基于伪孪生网络的知识蒸馏方法。为分析样本情感主要倾向,设计端到端的伪孪生蒸馏网络,并将其用于人脸表情识别任务中。(4)基于现有人脸表情数据库制作15339张带有人脸遮挡噪声的样本构成新数据库。