人脸图像修复技术作为图像复原领域的一个分支,在实际生活中的很多场景有着重要的应用价值。如在安防视频监控系统中,若采集的人脸图像存在部分遮挡,人脸关键特征将会被极大破坏,对遮挡区域进行较为精确的修复是提高人脸识别技术的一大突破点。同时,人脸修复也是图像编辑中的重要操作,要求生成内容和谐、视觉逼真的图像信息填充缺失区域。目前,人脸因特有的几何结构导致其遮挡修复技术存在一定的挑战,易产生边界模糊、上下文感知不合理的内容,本文针对此问题展开研究,构建基于卷积神经网络的人脸修复模型。考虑到现有方法未在修复过程中充分发掘人脸几何结构的先验作用,本文提出两阶段人脸修复框架:阶段一,基于生成对抗网络,在修复前期提出人脸几何结构推理模型,通过对遮挡人脸的先验信息进行预估,获取表征各部位语义的解析图;阶段二,结合阶段一得到的解析图,提出三输入生成式人脸修复模型完成遮挡区域纹理细节的重构,即基于部分卷积网络,对遮挡图像(外观)、解析图、二值化掩码图分别建立编码器,提取不同层级的深度特征,解码时将外观特征与解析特征以残差的形式依次融于解码的各个阶段,发挥几何先验的辅助修复功能。为进一步提升模型的修复效果,本文考虑到融合解析特征时,需兼顾遮挡区域与人脸全局结构的关联性及各重要部位的融合度,在解码阶段的中、高层特征拼接后引入卷积块注意力机制,从特征通道与像素空间位置的角度出发,给予人脸关键部位更多的关注度,进一步增强特征的表达力,减弱了局部背景缺失可能带来的干扰,生成语义连贯的人脸图像细节。在CelebA标准数据集上的实验结果,验证了本文算法的有效性。