随着计算机技术的发展,越来越多的学者利用计算机相关技术去研究人脸美学,试图通过现有的计算机技术去找到人脸美的“密码”,获取人脸美的量化标准。在人脸美丽评估方面,学者们主要是获取人脸的几何或纹理特征,再结合有关机器学习模型进行研究,但很少有关于融合几何与纹理特征分析人脸美的研究。在人脸美化方面,主要使用了数字图像处理技术,取得了一定的研究成果,但研究者们建立的人脸美学分析系统功能比较单一。本文主要对基于几何和纹理特征的人脸美学分析方法进行了研究,主要研究工作如下:人脸美丽评估的研究主要包括两个方面的内容,即抽取描述人脸美的有效特征和建立评估人脸美的学习模型。在本文所建立的数据库上,基于ASMs模型构建人脸的几何特征,通过交叉验证法获取到了最佳用于描述人脸美的21个几何特征,最终基于这些几何特征,采用KNN学习模型分析,获得了较好的相关系数值。在基于纹理特征的人脸美丽评估方面,提出了一个简单有效的分块LBP人脸美丽评估模型(BLBP),最终在本文的数据库上,通过实验确定了它的最佳的分块数是64,并在此参数下获得了更高的相关系数值。最后,基于几何与纹理特征融合分析评估人脸美丽时,相关系数值进一步得到提高。人脸美化方面的研究主要包括人脸皮肤美化与人脸形状美化。对于人脸的皮肤美化,采用了改进的多级中值滤波模型,实验结果显示它能对人脸的皱纹、斑点、青春痘等进行有效的美化。对于人脸的形状美化,提出了基于移动最小二乘法的改进算法,它能在训练样本中自适应的寻找相似的人脸,建立相应美化模型,最终实现形状美化。最后设计并实现了基于PC平台的人脸美学分析系统,此系统的功能包括:人脸检测、人脸美丽评估、人脸皮肤美化与人脸形状美化。最终通过实验测试了此系统的可靠性:在人脸的美丽评估方面达到了89.7%的可靠性;在人脸形状美化方面达到了80.0%的可靠性;在皮肤美化方面,获得了超过95.0%的可靠性。实验表明,本文在人脸美学分析上取得了一定的研究成果。人脸美丽评估方面,融合的几何与纹理特征能够促进对人脸美丽评估;人脸美化方面,基于移动最小二乘法的改进算法,能够使得美化的人脸更逼真;最后在PC平台上实现了一个完整的人脸美学分析系统。