人脸被普遍认为是在图像识别领域中最有研究价值的物体。人脸图像处理具有很高的科研价值,尤其是人脸超分辨和人脸识别。它在视频监控、信息安全和视频通话等领域具有广泛的应用。本文研究了基于凸优化和核学习的人脸超分辨与识别。本文研究内容概括如下。1)提出了基于凸优化的幻觉脸方法。幻觉脸技术也称为人脸超分辨技术。最近,一种有效的基于位置块的幻觉脸技术被提出,该算法采用最小二乘法来求超分辨图像块的最优重构系数,但是当训练位置块的个数多于它的维数时,最小二乘法容易产生偏置解。为了克服这个问题,我们提出了一种基于凸优化的幻觉脸方法。实验结果表明我们的方法能够有效的重构高质量的超分辨人脸图像。2)提出了基于核最近子空间分类器的人脸识别方法。作为一个有效的无参数分类器,最近子空间分类器对于高维数据有很好的表现。但是,它不能很好的对于具有相同方向分布的数据进行分类。为了解决这个问题,我们提出了核最近子空间的方法。首先,通过核经验映射,将数据由原始空间映射到核特征空间,然后,对于映射后的数据采用最近子空间方法进行识别。实验结果表明核最近子空间方法是一个非常有前景的无参数分类器。3)提出了一种基于Retinex理论和核最近子空间的鲁棒性人脸识别方法。有很多因素影响着人脸识别的精度,比如变化的光照、位置和面部表情等。为了解决光照变化对人脸识别的影响,我们采用Retinex理论对人脸数据进行光照标准化。然后,我们用核最近子空间分类器进行人脸识别。我们的方法通过结合Retinex理论和和核技巧,能够达到比只使用其中一种方法要好的多的效果。实验结果证明的我们的方法的有效性。