在科技飞速发展日新月异的今天,人们开始追求更高的生活品质和享受,不再满足于平面空间的感观体验,而开始追求三维的视觉享受,三维人脸重建是计算机视觉领域的一项热门研究问题。目前较为常见的三维人脸重建方法有基于深度图像的重建方法、基于多目视觉的重建方法、基于统计数据的重建方法等。前两种方法的数据采集设备成本高且要求固定场景,需要用户与设备近距离交互且保持固定的姿态,不能实现远程三维人脸重建,不仅耗费大量成本,流程繁琐复杂,且无法满足大量用户的需求。而第三种方法能基于单张RGB图像进行重建,可以避免以上问题。此外,人脸图像具有多样性和不确定性,单张人脸图像是相机从单个视角采集的,部分人脸信息因视线遮挡而采集不到,会出现纹理的缺失。因此,针对以上问题,本文的主要研究内容和提出的方法如下:(1)基于单张人脸图像的三维人脸重建算法。针对单张RGB图像采集不到完整人脸深度数据的问题,本文在三维形变模型的基础上,采用基于卷积神经网络的级联回归方法,输入剪裁后的人脸原图以及经过投影归一化和Z-buffer处理的人脸投影图,输出3DMM模型的参数来重建三维人脸,并针对此方法受数据库模型的限制、形状匹配度低的问题,引入UV位置图表示三维人脸,并通过编码解码网络端到端地重建三维人脸。(2)基于单张图像的完整三维人脸纹理生成算法。针对基于单张图片重建三维人脸存在纹理缺失的问题,本文提出一种基于双向人脸贴图的纹理修复算法。首先将单张人脸图像通过CR-GAN生成多角度的人脸图像并进行三维重建,将三维人脸与图像对齐并通过垂直采样得到初始人脸三维纹理和三维人脸掩膜。通过对三维纹理网格参数化得到的二维映射图像进行修复,并应用泊松融合等优化方式,生成具有真实感的完整纹理贴图。(3)基于三维人脸姿态适应的数字化造型设计中的人脸迁移算法。本文设计了一种基于人脸迁移的数字化造型设计方法,并针对传统人脸迁移中边缘过渡不自然和人脸姿态不匹配的问题,提出一种大角度人脸迁移算法。将三维人脸重建技术和人脸变形技术应用于人脸迁移中,利用三角网格仿射变换改变人脸脸型,并通过三维姿态矫正以及肤色模板迁移对融合人脸进行前处理,再进行人脸迁移,得到更自然真实的人脸融合效果,达到更换造型的目的。