人脸识别技术的飞速发展促进了其在不同领域的成熟应用。但是，在监控视频中的低质量的人脸图像不仅影响主观视觉质量，还会引起现有各种人脸识别算法识别率的急剧下降。现有的人脸图像质量增强算法，如人脸图像超分辨率重建、人脸幻想等，主要以满足人眼视觉主观质量为目的，以度量像素差为基础的峰值信噪比或平均均方误差为主要评价指标，对人脸识别率的贡献受到的关注不多。图像质量的下降引起传统人脸识别技术中表征人脸的特征退化，这是引起人脸识别算法识别性能下降的根本原因。因此，研究低分辨率人脸图像特征域的超分辨率重建技术，提高低分辨率人脸图像的机器识别率可以有效提高人脸识别算法的鲁棒性，具有重要的理论研究意义和实际应用价值。本论文围绕低分辨率人脸图像识别率问题，从低分辨率人脸鲁棒特征分析与选择、特征超分辨率重建和不同尺度下特征超分辨率重建方案选择等几方面完成了如下创新性工作:　　(1)针对低分辨率人脸图像特征鲁棒性差问题，提出了一种以识别率为指导的低分辨率图像人脸识别特征鲁棒性分析与选择方法。该方法针对常用的人脸识别特征进行对比，以识别率为指导，筛选在低分辨率条件下相对鲁棒的特征;随后，融合全局和局部信息提出低分辨率鲁棒的新特征，进一步提高人脸图像的识别率。　　(2)针对低分辨率图像特征退化问题，提出了一种基于分段核偏最小二乘回归的低分辨率人脸图像特征重建方法。该算法通过机器学习的方法学习高低分辨率人脸图像特征之间的映射关系，对全局特征进行超分辨率重建，提高低分辨率人脸图像的识别率。实验结果表明本文提出的方法能有效提高低分辨率人脸图像的识别率。　　(3)为了充分发挥特征识别率的指导作用，提出了一种以识别率为指导的人脸特征超分辨率重建方法。该方法对特征不同成分进行识别贡献度分析，采用不同的超分辨率重建策略。对表征人脸主要细节性信息进行回归预测，保留轮廓性信息，去除噪声信息。采用人脸识别方案进行机器识别，提高低分辨率人脸图像的识别率，并且有效的降低运行时间。本文提出的方法可以进一步提高低分辨率人脸图像的识别率。　　(4)对于不同尺度的人脸特征超分辨率重建问题，为了设计最优的特征超分辨率实现方案，本文对比分析了直接特征超分辨率重建和渐进特征超分辨率重建方案。目前的初步实验结果表明，直接超分辨率重建方案较优。