素描人脸图像不仅是生活中极具艺术风格的肖像画作,有时也能成为刑侦方面帮助警方寻找相关人员的重要线索。随着科技的发展与进步,人脸识别技术已经比较成熟并被广泛应用于各个领域,但由于素描图像与照片图像差异巨大,直接应用素描人脸图像在警方的照片图像库中进行匹配识别一般难以达到令人满意的效果。而素描人脸合成技术可以将照片人脸图像转换为素描人脸图像,使人脸识别算法可以在相同图像域内作用以达到更高的识别率。此外,若将素描人脸合成算法嵌入手机或电脑的应用软件中,可以使人们更加快速便捷的获得与照片人脸图像相对应的素描风格的人脸图像,丰富人们的娱乐与生活。为了合成既有助于人脸识别又有良好的视觉效果的素描人脸图像,本文主要提出以下三种素描人脸合成方法:(1)基于卷积神经网络预处理的两阶段素描人脸合成方法。将素描人脸合成过程分为预处理阶段和合成阶段,在预处理阶段训练一个八层的全卷积神经网络,用于将训练集与测试集中的照片图像转换为半素描图像,在合成阶段利用预处理阶段生成的半素描图像代替照片图像,由已有的基于实例的素描人脸合成方法完成目标素描图像的合成。通过多种实验证明了本方法在提升基于实例的素描人脸合成方法的合成效果的有效性,在交叉数据集上的实验验证了本方法还可以提高基于实例的素描人脸合成方法的泛化能力。(2)基于生成对抗网络的素描人脸合成方法。采用一个多级对抗的生成对抗网络完成素描人脸合成任务,其中生成网络采用多种损失函数(对抗损失,特征内容损失,像素内容损失,风格损失和总变分损失)联合进行训练。通过对照实验验证了多级对抗结构的有效性,讨论了风格损失的添加对生成网络生成的素描人脸图像质量的影响,探讨了应用分解残差块的轻量化生成网络的素描人脸图像合成效果。与多种素描人脸合成算法对比,本方法合成的素描人脸图像具有更好的视觉效果和更高的人脸识别准确率。(3)基于风格迁移的双域素描人脸合成方法。对测试照片图像通过风格迁移的方法得到风格素描图像,作为与测试照片图像对应的素描域图像。在素描域和照片域两个图像域内进行近邻选择和权重计算,以充分挖掘训练集中照片人脸图像及素描人脸图像中的信息实现素描人脸合成。通过与多种素描人脸合成方法合成的素描人脸图像在主观的视觉感知,客观图像质量评估指标和人脸识别三个方面的对比,验证了本方法的有效性。