姿态变化问题是人脸识别研究中的一个难题。在公安刑侦等实际应用中,多数情况下我们不能得到人脸的正面像,而当前的人脸识别算法多是针对正面人脸图像。当人脸姿态发生变化时,这些算法识别率都会显著下降。本论文主要针对从非正面人脸图像生成正面人脸的应用需要,研究了基于多姿态二维人脸图像的三维人脸重建方法。论文首先给出了基于两幅不同姿态人脸图像的自动三维人脸重建方案:给定待测的人脸图像,经过人脸检测、特征定位、姿态分类、人脸配准、三维姿态参数估计,三维形状与纹理重建等一系列处理之后系统便重建出三维的人脸。论文接着对方案中所涉及的主要技术进行了详细介绍。关于姿态分类,我采用了有监督的ISA独立子空间学习方法,为各类姿态的人脸建立相互独立的子空间,以子空间“活性”准则进行姿态判别。在特征点定位方面,提出了ASM与AAM相结合的正面人脸特征点配准方法;并利用二维梯度特征和Haar矩形特征改进ASM纹理模型。在建立三维线性形变模型方面,首先使用手工定位的105个稀疏特征点训练得到特征形状模型,然后利用该模型和基于Delaunay三角化网格的重采样,实现训练样本中三维人脸的稠密点对齐,进而建立了准确度更高的三维可变形人脸模型。人脸重建的过程中,首先通过EM算法进行三维人脸的姿态参数估计,建立了三维形状点与二维像素点之间的对应关系。接着利用最小二乘计算出特征形状参数,得到对应于输入人脸的三维特征形状。然后利用三角网格内的插值,重建出稠密的三维形状;利用该形状和EM算法所估计的姿态参数进行姿态矫正,再进行纹理映射实现纹理重建。实验结果显示,重建的人脸非常逼真,形状和纹理均能保留人脸的关键特征信息。除此以外,本论文还研究了三维网格模型的编辑方法。通过分析当前各种网格变形算法的优劣,提出了一个基于表面硬度估计的网格模型多尺度编辑方法。在嵌入的空间变形算法基础上,结合形状匹配算法,构建了一个新的变形模型。变形结果与测试数据表明,该方法能灵活高效地实现不同的编辑操作;在保证编辑变形效果的同时,运算复杂度相比于现有的算法也大大降低。