在视频监控系统中,相对于内容较为固定的背景,人们更多关注运动前景。在夜晚等场景下,由于环境光亮度较低,摄像头会自动提升感光系数,另外前景距离摄像头较远,摄像头获取的人脸、车牌等信息含有大量的噪声,视觉效果差。对自动化人脸识别系统而言,具有较低的识别率。针对这类低质图像的去噪研究近些年已成为热点研究方向。本文旨在解决夜晚监控场景低质人脸的清晰化问题。由于传统的去噪方法对图像细节保持效果较差,不太适用于注重细节的面部清晰化问题。本文提出了一种基于跨风格图像合成的低质人脸图像清晰化算法,首先利用低质和相应的高质人脸图像库,生成人脸恢复字典。对输入的低质图像,通过人脸对齐、人脸切分、近邻块查找、线性表示系数计算、图像块拼接等操作得到清晰的人脸输出图像。该算法的核心是基于面部结构的稀疏表示。另外,本文还提出了一种能较好保持图像细节的人脸图像去噪算法,对拼接结果进行整体去噪,获得更好的视觉效果。本文提出的算法能较好地去除图像中的噪声,同时有效地保持了面部细节。我们将本文算法与传统的去噪算法对夜晚低质图像的恢复效果进行了比较,实验结果表明本文提出的算法在低质人脸图像恢复上取得了比较理想的效果。另外,为了验证本文提出的跨风格图像合成算法的通用性,还利用其对照片合成素描,取得了理想的效果。