随着人工智能的发展,自动人脸美化技术已经广泛应用于美颜相机、直播、购物软件中。妆容迁移是一种基于样例的自动人脸美化技术,是在保留待化妆者人脸信息的前提下,将示例妆容迁移到待化妆者的人脸图像上。这种技术能在无需进行真实化妆的情况下,为用户提供此妆容的预览效果。然而,现有研究大多只能提供单一的妆容迁移效果。因此,本文研究了基于蝙蝠算法的妆容迁移模型,具体工作如下:针对现有妆容迁移工作不考虑示例妆容和目标图片特性,只能迁移单一妆容效果的问题,本文提出了基于蝙蝠算法的肤色调优模型,此模型优化了妆容迁移中颜色层迁移的权重值。实验结果验证了模型的有效性,beauty值较Guo的方法提高了10.77%,同时,此方法具有自适应性,它能针对不同的示例妆容或目标图片给出相应的最优权重值。此模型能用于美颜相机等应用中,为用户提供适合的妆容风格以及适合的妆容浓淡程度。针对示例唇妆某处有瑕疵或某处亮度突变而导致的唇妆迁移效果不自然的问题,本文提出了基于蝙蝠算法的唇色调优模型,此模型优化了唇部区域在CIELAB颜色空间下三通道的权重值。实验结果验证了模型的有效性,beauty值较Guo的方法提高了6.63%,且唇妆迁移效果比原模型更自然。此模型能在用户尝试某种唇妆时,给出最适合的浓淡程度,可为用户的口红使用量提供一定的指导意见。针对肤色与唇色的搭配会影响人脸妆容和谐性的问题,本文提出了基于蝙蝠算法的肤色与唇色调优模型,此模型同时优化了肤色权重值和唇色权重值。同时,通过三组实验验证了模型的有效性和自适应性,beauty值分别较Guo方法、肤色调优模型提高了13.33%和1.94%。此模型能为用户提供肤色与唇色搭配的个性化服务。针对模糊人脸或残缺人脸导致的妆容迁移中人脸特征点定位不准确甚至失效的问题,本文提出一种面向模糊残缺人脸的妆容迁移模型。此模型使用超分辨率网络SRWGAN-GP对模糊人脸图片进行重建,使用全局和局部一致性的图像补全网络对残缺人脸图像进行补全,并将处理后的人脸图像输入到妆容迁移模型中,完成模糊人脸图像和残缺人脸图像的自动美化。实验结果验证了模型的有效性,可为用户提供更好的妆容预览效果。此模型从多个角度扩展了妆容迁移的应用场景,对老旧照片及影片中的人脸图像美化提供了一个新的思路。