虽然近年来服装电子商务发展迅速,但是由于用户无法根据图文信息,准确估计自己试穿的效果,一方面影响商家的服装销量,另一方面也影响消费者满意度。为解除这一限制,越来越多的科研人员致力于研究虚拟试衣系统相关技术,构建虚拟试衣系统,向用户提供虚拟试衣体验。目前,虚拟试衣系统相关技术的研究已经取得了一定成果,但是仍然存在一些问题需要进一步研究,并且也依赖于图像处理方面各种技术的提高。本文对虚拟试衣系统的涉及关键算法进行研究,主要研究如何解决如下三个方面的问题:如何进行服装提取以生成用于虚拟试穿的衣料库,如何减少搜索空间并提高服装提取应对复杂背景的能力,以及如何进行虚拟试穿以匹配不同用户的身材和动作姿态。为了更好地满足基于图像的虚拟试衣系统中服装提取鲁棒性和自动化的需要,本文通过借鉴前人关于自然图像显著性的研究,考虑服装在照片中的颜色显著特性,提出基于人脸检测和HC显著性约束的改进的Grab Cut服装提取算法。首先,提出联合上半身,人脸和双目检测改进的Haar级联分类器排除干扰数据,有效的识别出模特的脸部,然后适当扩大以获得服装范围估计窗口,然后着眼于服装图像基于颜色直方图的显著性,获得可能是前景的像素的标记模板,结合服装范围估计窗口得到可能前景掩模用于Grab Cut的参数,避免Grab Cut的硬分割框以提高其自动化程度和应对复杂背景的服装提取能力。改进的Haar级联分类器和改进的基于显著性的Grab Cut服装提取算法也为人体姿态估计提供了便利,通过对可能人体范围的估计,缩小了搜索空间,然后使用本文提出的基于PS(Pictorial Structure)模型和关节归属的外观模型进行上半身姿态估计,融合服装显著性区域,分别在皮肤区域和服装区域寻找手和肘部的最优定位点,并结合部件约束获得最终骨架图。人体的姿态估计对未来更优的服装提取和结合四边形网格变形的自动服装变形及虚拟试衣有很大意义。为了使得虚拟试穿体验更加真实,为不同身材和姿态的用户提供具备真实感的虚拟试衣功能,本文提出了基于四边形网格的图像变形方法,可以对已经提取的服装元素进行局部的变形,然后对变形后的服装进行整体变换,并实现服装和用户照片的叠加,从而实现虚拟试穿,实验证明在服装素材简单,复杂,背景简单,复杂的四种组合的情境中,虚拟试衣都取得了比较好的效果。最终实验表明,本文提出的方法具备服装提取自动化过程的有效性,人体姿态估计的有效性,服装变形的有效性和虚拟试衣的真实感,并可以为进一步的研究提供参考。