随着虚拟现实技术越来越受人们欢迎,人们对于虚拟角色的真实度要求越来越高,其中,三维发型建模是虚拟人物角色建模的一个重要组成部分。然而,由于发型的多样性和发丝结构的复杂性,使得三维发型模型的精确重建具有很大的挑战性。目前,众多研究者热衷于基于单张图像的三维发型重建研究,然而当前的三维发型建模仅仅是针对发型图像的重建,并没有让用户参与发型的设计,导致交互性差难以满足用户的需求。针对目前三维发型重建过程中交互性差、难以满足用户的需求以及网络训练困难等问题,本文提出一种基于图像编辑的三维发型生成技术。首先,提出一种完全由用户自由设计发型轮廓、发丝生长方向的二维发型生成技术,构建用于发型检索的图像数据集以及用于发型图像分类的数据集,并对Faster R-CNN网络微调进行发型图像分类训练,进而在统一的编辑发型界面进行发型编辑,将编辑后的发型图像通过分类、筛选后确定发型图像样本,并基于图像样本进行修改变形完成发型编辑。该技术目的是提高生成效率和增加与用户的交互性。同时,该技术为后续与三维重建技术的结合奠定基础、并为提高基于图像的三维发型重建的交互性提供可能。其次,针对基于生成对抗网络的三维发型重建算法（Hair-GANs）的缺陷进行改进与优化。Hair-GANs网络一直存在训练困难、对于复杂发型重建精度不高等问题,通过更换数据集类型、扩增数据集中的模型数量、改进优化器以及训练方案等方法对Hair-GANs进行改进与优化,以达到提高训练效率和增加Hair-GANs网络鲁棒性的目的。最后,提出一种可编辑的三维发型生成技术,该方法将本文提出的可编辑的二维发型生成技术与三维发型重建算法进行融合,以可编辑的二维发型生成技术的生成结果作为三维发型重建算法的输入信息,实现基于图像编辑的三维发型生成技术,并搭建基于Pyqt5的可编辑的三维发型生成系统用以实现与用户的交互。