随着多媒体技术迅速发展和社交软件非常普及的当今社会,出于娱乐和社交的目的,人们越来越喜欢用自己的画像来生成人脸漫画图像,虽然目前已经有很多关于人脸漫画自动生成算法的研究和人脸漫画生成应用,但是这些算法和应用仍存在一些问题:第一个是不能实现全自动化,第二个是生成的人脸漫画风格过于单一,无法实现任意漫画风格人脸漫画生成;第三个是生成的人脸漫画夸张效果不稳定;第四个是计算时间太慢。针对这些问题,本文对人脸漫画生成算法进行深入的研究,将人脸漫画生成算法分为人脸风格化和人脸形状夸张化两个模块分别进行研究,并在最后提出了一个人脸漫画自动生成系统,本文主要研究内容和贡献如下:对人脸风格化,本文设计了一种基于多尺度风格迁移和语义分割的人脸图像快速风格迁移算法。本文采用编码解码的网络结构,首先在编码网络的特征空间上对内容特征和风格特征做基于图像块的匹配,将匹配结果重组作为风格化的特征,重组后的风格化结果不仅在统计特性上和风格特征对齐,还保留了内容特征的语义结构和风格特征的风格纹理细节,然后在解码网络上进行多尺度的特征融合后生成风格化的人脸图像,多尺度的方式更好地加强了生成风格图像的边缘和颜色信息。对人脸这种特殊图像,本文提出将人脸图像在风格图像每个语义区域上风格迁移后再由人脸语义信息取出进行重组,加入语义信息可以避免特征空间上图像块匹配时不同区域间的误匹配。我们对本文的算法的效果和性能进行了测试并与其他算法进行了对比,证明了本文算法的有效性。对人脸形状的夸张化,本文提出基于统计信息的人脸夸张化方法,通过分析漫画家创作人脸漫画的艺术手法,分别对五官特征点群组的夸张化制定了具体的规则和计算方式,然后分析人脸形状和平均脸形状在每个五官特征上各个统计信息的差异并计算其显著性,以此进行人脸不同五官形状的夸张处理,采用这种方式做人脸形状的夸张化不需要大量的漫画样本数据即可以最大程度地还原漫画家创作人脸漫画时候的夸张化艺术手法。本文通过实验对比了进行人脸形状夸张化之后的人脸图像和其他算法的结果,直观地说明本文算法的有效性。本文在最后将人脸风格化和人脸形状夸张化的研究工作集成于一个软件系统中,开发了一个具有良好用户体验的人脸漫画自动生成软件系统。