素描模拟画像在国内外案件侦破工作中具有重要的应用意义。模拟画像师根据目击证人对犯罪嫌疑人的面部、头发、体态等人像特征描述画出犯罪嫌疑人素描肖像画,通过群众辨别等方式缩小嫌疑人范围或者确定犯罪嫌疑人。素描模拟画像是画像师创作的具有主观色彩的图像,利用线条粗细和疏密表达人脸信息,缺失色彩、特征细节等信息,与真实人脸照片之间存在较大的几何形变、灰度差异和纹理缺失,为实际辨认工作带来一定困难。为提高模拟画像的适用性,本文提出了基于深度生成对抗网络的素描模拟画像还原技术,将素描的模拟画像还原成高分辨率的彩色人脸图像,并控制生成图像的人脸面部特征。本文的具体研究内容如下:首先,本文对比分析了传统的图像伪彩色处理技术和基于深度生成对抗网络的图像风格迁移算法,针对素描模拟画像转换任务的特点对BicycleGAN算法进行优化,实现了素描模拟画像色彩还原为接近于真实人脸的彩色图像。其次,本文研究了目前主流的人脸图像编辑算法,通过特征向量正交化的方法优化STGAN算法,去除特征向量间的关联性,增强单一特征的可控性,实现了人脸图像面部特征可编辑。随后,本文研究了目前主流的图像超分辨率重建算法,通过直观判断和图像质量评价指标对比多种人脸图像分辨率提升算法,采用ESRGAN算法对人脸图像进行超分辨率重建。最后本文构建了素描模拟画像彩色还原和特征调整软件供实际操作使用。研究结果表明本文提出的基于深度生成对抗网络的素描模拟画像还原技术能够将素描模拟画像还原成较高分辨率的彩色人脸图像,且能够灵活调整人脸图像的面部特征。