由于受到外界多种因素的影响，人脸图像在物理设备收集过程中，常常造成人脸图像质量的下降，表现为人脸模糊，人脸噪声等。但是人脸识别，人脸检测等领域中，又需要清晰的，质量相对较高的人脸，因此，人脸复原成为我们研究人脸识别的基础课题。人脸识别是一项具有重大理论意义和实际应用价值的课题，如何利用计算机克服自然场景中的人脸的姿态变化和光噪影响，进而精确的检测识别出人脸图像，成为了目前图像领域的热门问题。本文大致介绍了目前人脸图像复原和检测识别的研究背景，剖析了人脸图像复原和识别算法的国内外研究现状，对一些常用的经典人脸复原和识别算法进行了介绍和分析，然后本文以超低分辨率的人脸图像和自然场景下的人类图片为主要研究对象，提出了超低分辨率的人脸图像重构以及自然场景下的人脸检测和识别的课题和可行性方法。主要研究内容如下：1.基于DCT的超低分辨率人脸复原本文给出了超低分辨率人脸复原问题的解释，并介绍了DCT复原人脸的思想和过程，在此基础上详述了本文的改进算法和框架，给出了详细的复原过程，完成了实验验证和结果分析。2.基于多块局部二值模式特征的脸部检测本文简单介绍了多块局部二值模式特征及等价模式的定义，详述了利用Adaboost算法构造分类器的过程，在此基础上，提出了基于模板匹配的眼睛定位的级联检测系统和框架，通过结合网络渠道和MIT的人脸库的数据，完成了本文的实验验证和分析。3.基于多块局部二值模式特征的脸部识别最后，本文介绍了归一化人脸方法，概述了人脸识别的多类问题，利用前一部分Adaboost思想构造同样的分类器，应用多块局部二值模式特征于人脸识别研究之中，其实验结果与传统的LBP和PCA方法进行了比较，表明了我们算法的优秀。