妆容迁移技术是风格迁移技术的延伸,其目标是将参考图像上的妆容信息迁移至目标图像上,实现改变人物妆容风格的目的。本文在对现有的妆容迁移算法进行充分的研究之后,围绕妆容配对数据的生成、网络结构的研究以及面向人脸识别的去妆算法,一方面对SCGAN（Style-based Controllable GAN）算法进行了改进和优化,提升了算法的妆容迁移质量;另一方面提出了一种面向人脸识别的自动去妆算法,提升了带妆人脸的识别精度。本文的工作主要包含以下两个方面:（1）首先,基于特征金字塔对SCGAN的参考图像编码器进行了改进并改进了SCGAN中配对数据的生成方式。改进的编码器融合了参考图象中浅层以及深层的特征,并且将不同的特征送入解码器中对应的层次,利用自适应实例归一化（adaptive instance normalization,AdaIN）融合待上妆图像与参考图像的特征,使得网络在更大程度上保留了图像颜色以及纹理等信息,提高了眼部妆容的迁移效果,而原本网络中存在的无法迁移或者迁移效果不明显的妆容也得到了较大的改善和提升。SCGAN采用makeup loss来引导妆容的迁移,该方法是采用直方图匹配法对眼眶、皮肤以及嘴唇三个部位生成配对数据再计算损失,这样会导致配对图像中这三个区域的边缘存在较大的梯度,并且无法保持眼影的形状。为了解决上述缺陷,本文提出采用关键点控制上妆前后人脸对齐,并对人脸区域进行泊松融合以生成配对数据,解决了眼眶以及嘴唇边缘存在较大梯度的问题。（2）其次,论文提出了一种面向人脸识别的自动去妆算法。一方面,该算法采用人脸特征提取模块提取同一个人物有妆以及无妆时的人脸身份特征,并度量无妆图像以及生成的去妆图像特征之间的余弦距离,以此作为损失来引导网络在进行去妆时保留人物的身份特征,使得去妆算法更好地服务于人脸识别算法。另一方面,考虑到眼部以及嘴部有较为复杂的纹理,在进行去妆时是需要重点关注的区域,因此本文添加了眼部与嘴部的局部判别器以提高生成图像的质量。本文对去妆网络进行了实验,结果显示,经过去妆网络的预处理之后,人脸识别算法对带妆人脸的识别精度有了明显的提升,使得去妆算法有了进一步的优化和提升,为今后去妆算法的发展提供了技术参考。