异质人脸识别与分析是一种根据通过不同方式、不同来源获得的不同质量的人脸图像对目标人物的面部特征进行分析从而实现目标身份鉴定和识别的生物特征识别技术。素描画像是一种常见的异质人脸图像,由于警方获得嫌疑人信息的局限性和特殊性,它在刑事侦查、银行安保、公安执法等领域一直发挥重要的作用。由于素描画像与真实人脸照片之间的结构差异,无法直接使用传统的人脸识别方法进行识别。基于局部特征的素描人脸识别策略可以有效降低素描画像与人脸照片之间的差异对识别和分析带来的困难,但是依然无法满足警方实际执法过程中的观察需要,也无法根据素描画像对数据库中的人脸信息做进一步的分析和比对。针对以上缺点和不足,本文在基于风格转换的素描人脸识别和分析方法的基础上进行研究,论文主要工作和创新点归纳如下:1.研究一种基于超分辨率重建的素描人脸识别方法。首先利用特征脸算法根据素描图像合成人脸灰度图像,然后对合成的人脸图像利用稀疏表示进行超分辨率重建,最后利用主成分分析对重建前后的合成人脸分别进行识别。基于学习的超分辨率重建由于引入了先验知识,可以更好的描述图像的细节部分,显著地增强图像的分辨率,改善图像的视觉效果。将超分辨率重建应用在素描人脸识别中,既可以增加人脸图像的质量也可以有效地提高识别精度。实验结果显示,经过超分辨率重建之后的人脸在眼睛等部位细节描述更好。同时,由于重建过程中引入了先验知识,重建之后的素描人脸识别率有提高。2.为了克服基于全局字典学习的超分辨率重建算法存在的两个不足:训练时间过长以及全局字典不能很好的表示图像的局部结构信息,本文研究一种基于自适应多字典学习策略,对依据素描画像合成的人脸图像进行超分辨率重建。这种方法对训练样本依据图像结构进行了聚类操作,较全局字典来说,每一类的样本数量大大减少,因此字典训练时间大幅降低。在图像重建过程中,为每一个图像块寻找与之对应的最优字典进行稀疏分解和重建,因此可以更好的表示图像块的内蕴结构信息。对超分辨率重建后的人脸图像,使用二维边际费希尔分析进行识别,并采用基于哈希学习的方法实现检索。实验结果显示基于自适应多字典学习的超分辨率重建算法可以有效增强合成人脸图像质量,丰富细节信息并且实现理想的识别率和检索率。哈希编码和迭代量化可以实现快速高效的人脸图像检索。