目前计算机模拟领域中的人脸合成技术由于其广泛的应用前景得到了越来越多的重视,它可以用于人体语言感知模型研究、虚拟环境、通信技术、辅助教学、医疗研究、电影制作、游戏娱乐等诸多方面。创建逼真的三维人脸模型是计算机图形学领域一个极富有挑战性的课题。人脸是三维的,而现实生活中进行人脸识别的图像大都是二维的,这就存在着很大的局限性,。它将三维的对象采用二维的方式表示,不可避免将会有大量的空间信息无法得到利用,使人脸识别面临着一定的困难。基于这种想法,本文提出对重构后的三维人脸进行识别,这种方法的优点就是可以支持旋转识别,即图像旋转后仍可以识别,且识别准确率高。另外,由于重构后的人脸是矢量图形,因此可以对其进行任意收缩,且不发生形变。本文主要从事三维人脸重构方面的研究。本文介绍了三维人脸模型的应用前景、研究意义及国内外的研究现状,并对现有的三维人脸重构技术进行了分析比较,并分析了当前三维人脸重构面临的困难;在研究了立体视觉、三维图形重构、人脸识别技术及样条插值基础之上,进行了基于人脸照片的三维人脸重构技术的研究。本文的主要研究内容是三维人脸重构的研究。从人面照片中提取出人脸的特征点数据。主要利用立体视觉的原理,采用样条函数对图像矢量化,利用 Laplace 方程对其进行边界划分,把人脸分成各个不同的单调区域,然后在各个单调区域内分别进行特征点的匹配,利用匹配成功的特征点计算其深度信息。再采用样条函数对具有三维信息的人脸模型进行拟合,然后载入 OpenGL,显示出具有真实感的三维人脸模型。并提供了部分程序实现。本文还对目前主流的三维可视化软件 OpenGL 进行了分析,指出采用 OpenGL 作为三维人脸可视化软件的必要性,并详细阐述了 OpenGL 的基本原理与方法以及其在三维人脸可视化中的应用方法。另外,在文中还指出了 JPEG 图像的周期性。从它的压缩过程来分析 JPEG 存在周期性的原因、带来的影响以及提出了两点改进的建议。并指出利用 JPEG 图像进行识别处理,这种带有周期性的图像会对识别造成一定的困难,因为利用带有周期性的特征去进行非周期性的识别,结果是不理想的或者是无意义的。并给出了实验结果来证明这一现象。