模糊是一种最常见的图像退化之一。对于模糊的人脸,通常面临着两大任务:模糊人脸识别和模糊人脸恢复。目前的大量工作都只针对其中某一个任务,只有极少量的工作将两个任务一起考虑。本文分析研究了模糊人脸识别和恢复之间的相辅相成关系。对于模糊人脸恢复,提出了两个新的基于模糊人脸识别结果的模型,分别解决了当前最好的基于样例人脸去模糊方法的两个缺陷。模型1利用训练类内差词典的线性表示解决了人脸类内差距问题,模型2利用梯度的L0.8先验替代L0先验解决了清晰的纯人脸区域先验约束问题。两个模型级联成两步方案解决基于人脸识别的模糊人脸恢复问题。对于模糊人脸识别,综合对比了模糊和去模糊方法,选择利用模糊方法和LPQ特征做人脸识别解决基于模糊人脸恢复的模糊人脸识别问题。最后,将恢复与识别构成一个良性循环,提出了一个模糊人脸同步恢复与识别(Simultaneous Blurred Face Restoration and Recognition,SRR)算法,迭代完成模糊人脸恢复与识别。本文提出的SRR算法适用于复杂模糊核情况下的人脸去模糊问题,还适用于小样本情况下的模糊人脸识别问题。在FERET数据库上的实验表明,对于多种不同的模糊,SRR算法不仅大幅提高了模糊人脸识别的准确率,还大大提升了模糊人脸恢复的质量。