随着3D影视娱乐作品的发展与普及,人们对影像的追求也从二维提升到了三维。3D的作品越来越受欢迎,而其中三维人脸更是各类作品中最受关注的信息。虽然三维人脸的数据可以通过设备扫描获得,但是却无法从已有的人脸图像中获取,所以基于单张人脸图像的三维人脸重建非常具有研究意义。在重建过程中,大多数作为输入的人脸图像都不是正面且良好的,所以需要在三维重建时将输入图像中人脸的缺失部分补全。同时,在三维人脸的应用中,需要使其产生表情来表示面部的动作,所以面部表情的生成同样具有研究意义。本文以三维人脸重建与表情生成的关键技术为主要研究对象,对三维人脸的表面形状重建做出改进以及对表面纹理进行补全,并生成面部表情以达到形变的效果。本文的主要研究内容如下:（1）针对端到端的方法重建三维人脸时,无统一的三维人脸表示方法且对于人脸特征提取不足的问题,本文使用预测的三维人脸特征点改进了UV位置图,并使用Dense Net提取输入人脸图像的特征,完成三维人脸表面形状的重建。实验结果表明,本文算法能够有效提升三维人脸表面形状重建准确度,对于具有较大角度的人脸作为输入时改进效果会更好。（2）针对输入人脸图像信息不足无法生成完整纹理的问题,本文提出使用人脸正面化的方法来填充缺失纹理,并提出来一种自监督的方法,解决了人脸正面化研究中缺少训练数据的问题。实验结果表明,本文算法能够较好的补充缺失的纹理信息,即使与人脸正面化的算法相比也具有不错的效果。（3）针对当前人脸表情生成算法对于人脸特征运用不足,生成人脸形状失真的问题,本文提出了一种基于潜在空间的方法进行人脸表情图像的生成,并通过运动估计的方法获取完整且连续的人脸表情。实验结果表明,本文算法能够生成较好的人脸表情图像,对人脸结构的保存较好。最后将所有实验整合构成三维人脸表面重建系统,对以上实验进行联合验证,证明了实验的有效性以及系统的完整性,同时也测试并分析了系统的总体误差。