正脸化是利用一幅或多幅侧脸图像,通过形状、纹理等信息的恢复,合成正面人脸的技术。通过正脸化技术,可以使得人脸识别算法在非正面姿态下的识别率显著提高,是人脸识别系统中一个重要的环节。而且正脸化技术离不开人脸对齐技术的支持,人脸对齐是正脸化的基础,大多数正脸化算法都需要人脸严格对齐。为实现单张侧面人脸合成正脸图像,本文首先研究了人脸对齐算法,然后在人脸的严格对齐基础上,研究基于三维形变模型(3DMM)的三维人脸重建算法,最后实现正面人脸的合成。本文的主要工作如下:首先设计并实现了具有抗黑框眼镜干扰、精度高的基于Softcascade和朴素贝叶斯分类器的双眼定位算法。通过训练Softcascade双眼分类器,获取双眼的候选点坐标;在此基础上,提取左、右眼及双眼区域的HOG特征,并通过特征筛选构建各自的特征空间,再利用朴素贝叶斯分类器实现双眼的精确定位。然后,基于双眼定位算法,并仔细研究有监督下降法(SDM)在人脸对齐中的应用,提出改进算法:基于双眼预定位和SDM的人脸对齐算法。通过在人脸对齐的初始化过程中,增加双眼预定位处理,能有效避免特征点在优化过程中,收敛到局部最优解,从而提高人脸对齐的精度。实验结果表明,本文提出的改进算法,能有效提升特征点定位精度,且在各种姿态角度(保证双目可见)、各类常见表情条件下,均获得良好的人脸对齐效果。最后,采用基于3DMM的三维人脸重建算法来合成正面人脸图像。首先将SDM应用到训练人脸姿态估计回归模型当中,提出了基于SDM的人脸姿态估计算法,随后利用该方法与人脸对齐算法实现3DMM与侧脸图像的匹配,从而重建三维人脸,最后利用姿态旋转以及基于人脸对称性的图像修复策略,合成较为真实的正面人脸图像。通过实验比对说明,正脸化合成的正面人脸与原始正面人脸之间的图像相似度较高,且能有效提升人脸识别的识别率。