随着对信息安全的重视度越来越高,人脸识别的应用范围越来越广。基于画像的识别是人脸识别的一个重要分支,而基于画像的人脸识别很大程度上依赖于人脸画像-照片变换技术。人脸照片-画像变换技术将人脸画像-照片转换至同一形态,即将画像转换为照片或者将照片转换为画像,但是在图像转换过程中会导致不同程度的失真。由于不同图像的图像质量的差异性,所以依据合成人脸图像的质量差异进行人脸识别具有重要意义。另外目前合成人脸图像算法较多,如何选择合成图像质量较好的算法辅助识别以提高识别率是难点,因而合成人脸图像的质量评价技术的研究是关键。首先,本文提出了基于图像质量评价的合成人脸图像识别算法。该算法首先对图像进行高斯差分滤波,然后利用图像质量评价方法得到图像质量评价分数并根据分数进行识别。该方法无需训练过程并且复杂度低。在多个数据库上的实验结果表明,该方法在合成人脸图像识别方面取得了较好结果。其次,本文构建了合成人脸画像质量评价数据库。目前已有画像数据库只有原始人脸照片-画像对,不包含合成画像。而且质量评价数据库中图像多是在不同失真类型、不同失真程度下的自然图像,由于人脸画像的结构以及其他特殊性能,所以其主观质量评价分数不适用于合成人脸画像质量评价。构建的数据库中包含五种人脸画像合成算法在CUHK Student和AR数据库上的合成人脸画像以及原画像。另外,邀请志愿者对数据库中合成人脸画像进行主观质量评价。最后,考虑到人脸画像与自然图像结构特征的差异性,自然图像质量评价方法不能直接应用于合成人脸图像,本文提出了基于特征相似性的合成人脸图像质量评价算法。该算法利用Canny算子和梯度幅值提取特征,并进行特征融合计算图像质量评价分数。实验结果证明,该算法在合成人脸画像方面取得较好效果。