随着科学技术的进步,图像已经成为人类获取和利用信息的主要方式之一。日常生活中人们对于图像质量的要求也越来越高,不再满足于不模糊的图像,而是追求更高分辨率的图像。虽然人们不断追求更高分辨率的图像,但是现实生活中低分辨率的图像往往更容易获得。现在的图像超分辨率技术可以利用低分辨率的图像得到高分辨率的图像。本文针对的人脸图像超分辨率属于特定应用域的超分辨率技术,可以在其基础上对低分辨率人脸图像完成人脸属性识别、人脸比对、人脸识别等多个人脸相关任务。关于人脸图像超分辨率重建,本文针对人脸的几何特征提出了一种利用人脸先验信息的单帧人脸图像超分辨率技术。本文主要研究工作有以下两个方面:（1）本文提出了一种基于先验信息的渐进式残差网络来实现人脸图像超分辨率技术。利用人脸先验信息提出了一种通过人脸解析图和人脸关键点坐标来恢复人脸结构的新方法,并设计了一种渐进式残差的超分辨率网络结构。采用的渐进式网络更符合网络学习过程,可以把复杂的上采样任务分解为多步进行,在上采样放大系数较大的情况下,可以减少学习的困难。最后的实验结果表明了本文的超分辨率算法在重建图像质量和生成的人脸纹理细节上表现更好。（2）基于前文研究,进一步提出了基于生成对抗网络的人脸图像超分辨率技术。利用生成对抗网络去提高生成人脸图像的细节,以获得更好的重建效果。本文使用了两种生成对抗网络进行效果比较,针对Wasserstein GAN（WGAN）和相对平均GAN（Relativistic average Standard GAN,Ra GAN）分别做实验进行对比。实验结果证明了使用生成对抗网络对图像重建和恢复有帮助作用,相较于对比的超分辨率算法,本算法在客观评价和主观评价上均有明显提升。