对人脸图像的研究问题一直是数字图像处理、模式识别、计算机视觉等领域的热点之一。然而，受制于成像设备、传输带宽、环境干扰等硬件条件的限制与影响，获取的人脸图像的分辨率往往都是比较低的，进而限制了其进一步的应用。图像超分辨率技术的发展为突破这一困境提供了一种有效的解决方案。该技术以低分辨率图像为输入，通过信号处理技术获取高分辨率输出图像，并在在监控视频、医学图像、视频传输等领域得到广泛地应用。本文在研究基于学习的人脸图像超分辨率方法的基础上，利用人脸图像结构特征相似的特性，提出并实现了一种拓扑ICA和稀疏编码相结合的人脸图像超分辨率算法。文中首先介绍了人脸超分辨率技术的研究背景及现状；然后分析了超分辨率重建技术中涉及的关键理论；接着介绍了稀疏表示模型和拓扑独立成分分析模型的相关知识；在此基础上利用图像的拓扑ICA模型提取学习字典对，并利用稀疏表示理论指导高分辨率人脸图像的重建。本文的主要创新和贡献体现在以下几个方面：（1）将由图像的拓扑ICA模型提取的图像基元作为高、低分辨率人脸图像的联合字典，按照训练样本维数将该联合字典划分为相应高分辨率字典和低分辨率字典，并利用低分辨率字典对输入人脸图像进行线性表征。（2）利用稀疏表示理论求解低分辨率测试人脸图像在低分辨率字典中的表示系数，再在系数不变的前提下将低分辨率字典换为高分辨率字典求解出初步的高分辨率人脸图像结果。文中的相关实验结果表明了由该算法获得的超分辨率人脸图像既符合人眼视觉观测又有良好的客观质量。