在公共场所,佩戴口罩可以防止病毒的传播,然而佩戴口罩会导致人脸识别困难,因此口罩遮挡下的人脸图像修复的研究具有重要的意义与商业价值。一种好的修复方法应该保证修复结果的真实性,包括眉毛、眼睛、鼻子和嘴巴之间的拓扑结构,以及姿势、性别、种族、表情等属性的一致性。通过对人脸修复技术以及面部特征点检测技术的研究,本文构建了一种基于特征点预测的人脸图像修复网络。为了实现口罩遮挡下人脸图像的修复,对图像分割算法Grab Cut算法进行了改进,用于口罩掩模图像的提取。本文的主要内容如下:1、口罩掩模图像的提取过程中,提出一种改进的Grab Cut分割算法。针对Grab Cut迭代次数多分割时间长的缺点,引入外观重叠项对能量函数进行优化,减少分割所需能量,改进后的算法只需一次分割就可以达到好的分割效果;此外,改用基于种子的交互方式,使得算法更适用于复杂背景以及多区域目标的分割。最后对改进前后的算法进行了分割对比实验,并将改进后的算法进行了口罩掩模图像的提取实验。分割实验证明,改进后的算法有更好的分割精度和更少的分割时间。2、本文构建了一种针对遮挡面部图像的特征点预测模型。该模型基于Mobile Net V3-small网络,通过融合各卷积层的特征图,实现对遮挡人脸图像的面部特征点预测。此外,将训练所得预测模型用于遮挡人脸图像的面部特征点预测实验。实验结果表明,本模型能准确的预测出掩模遮挡以及口罩遮挡下人脸的面部特征点。3、由于面部特征点体现了人脸的结构信息（拓扑结构和表情）,本文构建了一种基于面部特征点预测的人脸图像修复网络,将预测的面部特征点用于指导人脸图像的修复。此外,对生成器部分进行改进,引入七个带有空洞卷积的残差模块,降低图像计算复杂度减少细微特征的丢失,此外相应的残差模块之间加入跳跃连接,充分利用所提取特征信息的同时提高训练性能。所提出的方法在Celeb A-HQ数据集上取得了有竞争力的结果。结合口罩掩模图像,实现了对口罩遮挡人脸图像的修复,口罩遮挡人脸修复实验结果表明,所构建的网络有更好的修复效果。