三维人脸重构是计算机图形学和模式识别领域的一个热门研究课题，一直受到国内外诸多研究人员的高度关注。基于三维形变模型（3D Morphable Model，3DMM）的重构技术是三维人脸重构领域的一种主流方法，它具有重构精度高，真实强等一系列优势。但对于三维人脸识别来说，人脸重构精度越高，稳健地提取三维人脸特征并匹配可能越困难。本文针对表情不变三维人脸识别的需要，将三维人脸重构与表情因素综合起来加以研究，利用三维重构获取表情不变的三维人脸，以克服表情因素对人脸识别的影响。本文主要工作如下：首先，提出基于改进型主动形状模型（Active Shape Model，ASM）三维人脸数据库标准化算法。考虑到标准化的三维人脸数据是基于三维形变模型方法的基础工作，本文以经典ASM特征定位的思想为基础，通过强化寻优函数，提出改进型的ASM算法并将其应用于三维人脸标准化工作中去，提高三维人脸标准化运算效率与精度。其次，提出基于局部边缘线（Local Edge Distance，LED）的表情不变的三维重构算法，借助三维重构克服表情变化对人脸识别的影响。通过提取二维特定人脸中表情不变区域的局部边缘线，采用基于局部边缘线的稀疏形变模型算法进行表情不变的三维人脸重构，一定程度上克服了表情影响并提高了三维重构的效率。随后，为克服三维形变模型易受统计模型影响，本文充分利用二维特定人脸先验知识，引入明暗恢复形状算法（Shape form Shading，SFS）对重建好的三维模型中表情不变区域的曲面法线进行约束以提高三维人脸的重构精度，减少三维人脸训练数据库对三维形变模型的影响。最后，对本文算法进行了实验验证，将表情不变的三维人脸重构算法在标准二维人脸数据库、真实生活实拍照片、网络图像进行了实验验证。搭建了基于VC++验证平台，在实验中验证本文提出算法的有效性与优越性。