三维人脸重建在数字娱乐和虚拟现实等诸多领域有着十分重要的应用价值,长期以来受到了计算机视觉研究人员的广泛关注。目前,基于复杂设备和可控环境的高精度三维人脸重建技术已经在3D电影制作等方面取得了巨大的成功。然而随着低成本智能终端的普及和人们对娱乐社交需求的日益增长,人们迫切希望基于简易的无约束图像进行快速而准确的人脸三维重建。由于缺乏深度信息、相机参数和光照环境等信息,基于单张图像的三维人脸重建往往无法取得令人满意的效果。针对这一问题,本文充分利用了包括人脸参数化模型和光照先验分布等在内的先验信息,提出了一种基于单张图像,分阶段优化重建精细三维人脸模型的算法。本文首先基于人脸特征点与形变模型的对应关系,提出了两种人脸姿态、人脸外型和人脸表情参数的估计算法。针对不同的特征点检测方法,本文分别利用弱透视投影和刚性变换原理对参数估计算法进行相应的调整和匹配。经过算法的迭代求解,该算法将生成与输入人脸图像契合的初始三维人脸模型,并将为后续的人脸本征特性研究和精细化人脸模型重建提供可靠的模板。紧接着,本文展开了对人脸图像本征性质和光照环境的研究分析。本文将人脸假定为只含漫反射的朗伯体,并分别使用参数化纹理模型和球谐光照形式来表征人脸的反射率性质和人脸所处的光照环境。结合已知的参数化初始三维模型和人脸光照环境数据集带来的先验性约束,本文在三维空间中实现对人脸图像的本征分解,并提取出相应的人脸纹理和光照环境信息,为进一步的精细化人脸重建提供更多的先验信息。最后,本文提出了基于图像明暗信息的人脸几何细节优化算法。本文从重构图像一致性、阴影变化一致性、总体脸型一致性和和梯度可积分性等方面构造出了目标精细三维人脸模型所应满足的约束。结合前述工作的先验信息,该算法首先优化模型表面高度的梯度场,此后通过高度场积分和模型顶点三角化组织,实现具备几何细节的精细三维人脸模型的重建。本文提出的总算法结合了形变模型方法和从阴影恢复形状方法的优点,同时避免各自的缺点。基于形变模型的算法提供了良好的总体脸部形状,而对人脸图像的本征特性分解则使从阴影恢复形状的方法变得可行,最后基于从阴影恢复形状的方法则使得重建效果更加精细化和个性化。实验分析表明,本文提出的三维人脸重建算法在精确度和视觉观感等方面均优于现有的一些方法。