素描是指单纯用线条描写、不加彩色的画。素描是一种古老的艺术形式,在文艺复兴时期,许多知名艺术家,如达芬奇、米开朗基罗等人都利用素描进行艺术创作。著名的素描画像包括达芬奇的《自画像》,米开朗基罗的《利比里亚女巫》等。人脸素描在很多领域显示出了广泛的应用,尤其是刑侦、安防领域。在刑侦过程中,公安机关往往需要根据目击证人的口述,手绘出嫌疑犯的素描画像。如果能够建立人脸素描数据库,在数据库中匹配出嫌疑犯的人脸素描,这将极大提高刑侦效率。除此之外,越来越多的人希望在社交网络上展现个性化的一面,人脸素描头像将会是一个非常好的自我展示方式。本课题的目标即为,给定人脸照片,生成一张人脸素描。目前已知的人脸素描合成方法都是从一个包含照片-素描对的训练数据集中学习到块状的素描风格。这些方法一般都是在RGB空间中进行,不可避免地会在小块边界产生不平滑的噪声。如果降噪的方法也被使用进来,小块的边界将会被模糊然后人脸的结构将不会被完全恢复。近年来关于神经网络中间层的研究取得了长足的进步,尤其在图像纹理合成,艺术风格图像生成等方面。本文的主要贡献在于,首次通过合成神经网络中间层来解决风格转化任务。本文提出了一种基于神经网络中间层的人脸素描合成方法,把人脸素描合成的问题抽象成基于神经网络中间层的合成问题,通过传统机器视觉中常用的小块合成方法生成目标中间层,基于这些目标中间层将一张纯噪声图像转化成素描图像。本文的方法能够充分抓住素描绘制的风格,充分利用训练数据库中给定的风格信息。本文还利用了增强型三维块匹配算法和多层代价聚合算法来得到目标中间层。实验证明我们的方法相比较之前的方法能够精准还原人脸的面部细节,将人物五官表达的很到位,同时能够生动地模仿手绘的素描风格。在实验设计部分,我们设计了定性型分析和定量型比较两种方法验证我们方法的优越性。在定性型分析中,在CUFS数据库和AR人脸素描数据库中本文的方法合成出的素描清晰、自然,更接近艺术家手绘素描。在定量型比较中,我们的方法在FSIM,SSIM两项相似度分析中比较占优。在用户调查的实验中相较之前的方法则有着明显的进步。