人类面部的三维重建问题，一直以来都是计算机视觉、图像处理和模式识别领域内的热点问题和困难问题之一。在人们生活的许多领域，三维（3D）人脸重构都存在广阔的应用前景：如大型3D网络游戏和三维影视动画制作都依赖于高精度的三维人脸建模；三维人脸重建与识别正在成为视频监控和安防领域的新研究方向；此外虚拟现实(VR)与医疗技术等相关领域也需要三维人脸重建技术。因此，三维人脸重建问题的探索与研究具有重大的科研价值与现实意义。　　传统的3D人脸重建方法经历了一个不断尝试和不断突破的过程，为了寻求更高的效率和更逼真的重建效果，一种极具潜力的名为三维形变模型的方法被科学家们提出。但是该方法存在建模时间长、人耳侧面部分恢复效果不佳等缺点，暂未被广泛的运用于实际场景中。本文在以上技术背景之下，研究了结合正面输入图像和形变模型的三维人脸重建，并针对人耳恢复不理想的缺点进行了改进，在分析实验结果的同时也讨论了三维人脸重构在多视角二维图像生成以及人脸识别中的应用。　　本论文首先对传统三维人脸重建方法和形变模型方法的研究近况和对应技术特点进行了深入分析，并对不同方法的优缺点进行了讨论，同时还介绍了国内外大型三维人脸数据库的建设情况。其次，针对传统形变模型方法中存在处理数据量大、稠密对齐方法复杂的问题，本文采用稀疏特征点自动提取和薄板样条函数形变的方法完成人脸的三维重构，并提出了基于图像融合技术的人耳恢复方法，改善了单张图像三维重建问题中人脸侧面恢复不理想的问题，提升了重构图像的真实感。最后，在分析实验结果的重构真实感与重建效率后，还对三维人脸重建模型在多视角二维视图生成和在基于主成分分析的人脸识别中的应用做了探讨。　　经实验验证，本文提出的方法所重构出来的人脸具有较好的真实感，且人耳部分的重建结果较好。同时重建速度较快，在MATLAB环境下平均重构时间约3.5s，重建结果得到的多视角视图将平均人脸识别率提高了6％。