随着计算机行业的快速发展以及各种图像采集设备质量的迅速提升,商业摄影的人像美化受到广泛关注。目前,人像摄影图像后期处理仍主要依靠人工完成,其精修过程需要耗费大量时间和精力。因此,开发一款面向商业人像摄影的自动后期修饰软件具有十分重要的理论意义和应用价值。现有的人像美化软件大多面向移动端拍摄的图像,当其应用于摄影图像时会使皮肤区域过于平滑而失去质感,对背景颜色和细节也有一定程度的破坏。本课题借助深度学习技术,对人像美化中的皮肤分割、皱纹祛除和人像磨皮三项关键技术进行研究,具体研究内容如下:首先,针对现有皮肤分割数据不足问题以及分割结果易受光照和肤色影响问题,分别提出一种基于伪标签学习的数据优化算法和一种基于边缘引导的皮肤分割算法。以低质量人体解析数据集中组合出的皮肤标签作为伪标签进行优化,得到高质量的皮肤分割数据,在此基础上改进Deep Lab-v3+深度全卷积神经网络模型,增加边缘解码器回归皮肤边缘轮廓,以此进行多任务学习,并将边缘信息与注意力机制结合,提高皮肤区域分割完整性。实验结果表明,本文提出的算法对于皮肤分割任务有较大提升,定性测试和定性测试结果均优于现有皮肤分割算法。然后,针对皱纹祛除任务缺乏成对数据问题,本文提出了一种基于CycleGAN的面部皱纹祛除算法。同时,将CycleGAN直接应用于该任务会导致生成图像中出现多余的变化,本文通过解耦CycleGAN双向生成器,使损失函数能够精确地指导目标生成器的训练,阻断生成器之间合作欺骗关系。在此基础上,本文在CycleGAN中引入了可用于生成对抗网络的可微分数据增强方法,促使模型更稳定地训练。实验结果表明,所提出的方法可以很大程度上减小生成图像在非目标区域的变化,完成对皱纹的精确祛除。最后,针对人像磨皮算法丢失细节问题,通过融合手工修图中常用的高低频磨皮方法思想,搭建一个双分支类U-Net结构深度全卷积神经网络模型,对高频分量和低频分量进行针对性处理。实验结果表明,该算法在有限的参数量和显存前提下能完成高质量的高清人像磨皮。本文基于以上研究内容,设计并实现面向商业摄影的人像美化系统。该系统将本文提出的皮肤分割、皱纹祛除和人像磨皮封装成一个操作便捷的可执行软件,经测试验证了系统各个功能运行正常。