在实际生活中，人脸识别已经得到了越来越多的应用，人脸识别一个很重要的方向是人脸画像-照片识别。由于人脸画像和照片结构、纹理和表达方式的差异，人脸画像-照片识别很大程度上依赖于人脸画像-照片的幻象技术。本文中提到的人脸画像-照片幻象技术包括人脸画像-照片合成技术和人脸画像-照片增强技术，这两种技术都可以提高合成的伪画像/伪照片的质量，从而在画像-照片识别中提高识别率。因此，人脸画像-照片幻象技术的研究具有重要意义。本文首先提出了基于支撑向量回归的人脸画像-照片合成算法。对已经配准过的图像，该算法采用监督和非监督相结合的方法进行画像-照片合成，兼顾了合成图像的质量和算法的复杂度。实验结果表明，该算法在画像-照片识别和主观质量上都取得了较好的结果。其次，针对传统的人脸画像-照片合成算法存在的模糊效应和块效应，本文提出了基于支撑向量回归的人脸画像-照片增强算法。该算法采用初始估计和高频细节相叠加的方法，能够在增强图像有效细节信息的同时使图像更加清晰。实验证明，该算法在画像-照片识别和主观质量上都有很好的结果。最后，针对大量图像的质量评价，本文提出了人脸伪画像/伪照片客观质量评价方法。人脸伪画像/伪照片的客观质量评价从全参考质量评价和无参考质量评价两个方面进行。全参考质量评价采用已有的信息保真度准则(VIF),无参考质量评价除了评价图像的整体质量，还要评价眼睛鼻子等细节部分，因此无参考质量评价方法采用整体特征和细节特征相融合的方法。实验首先说明了无参考质量评价方法的有效性，然后验证了基于支撑向量回归的人脸画像-照片合成算法和增强算法的有效性。