近年来,随着移动拍摄设备日趋成熟,人们对人像图像处理需求越来越多。本文就人像处理中常见的两大问题:人像分割和图像修复进行深入研究,本文的主要研究内容如下:（1）对专注于人像分割的深度学习框架进行研究、比较,就目前兼具高分割准确率和高分割速度的深度学习网络模型SINet结构进行深入研究,理解了其核心思想信息阻塞解码器,并以此为基础,提出信息阻塞模块。此外,本文还提出了新的人像分割模型——注意力信息阻塞模型,该模型充分融合本文提出的注意力融合模块和信息阻塞模块,使得模型可以通过注意力融合模块对不同空间位置和不同通道的特征进行权重划分,并且基于信息阻塞模块对分割时的边界区域更加专注。（2）深入研究了基于深度学习的图像修复技术,基于图像修复技术常用的生成对抗网络结构,提出新的图像修复模型。该图像修复模型生成网络部分由两个修复网络组成:粗修复网络和精修复网络。粗修复网络的编码器部分通过本文提出的多尺度特征融合模块获取更好的输入图像的特征提取结果,然后通过解码器恢复图像分辨率;精修复网络以粗修复模块的结果作为输入,通过引入注意力融合模块,获取不同空间位置和不同通道的权重,进一步提取特征信息。判别器部分由三个判别器组成:全局判别器、局部判别器、过渡判别器,并利用全卷积结构代替了全连接结构,使得模型可以输入任意大小的图像。同时,为了解决传统的生成对抗网络训练不稳定性问题,引入了WGAN-GP损失函数。（3）基于以上研究,以及对人像处理技术其他算法的学习,本文对人像图像处理算法进行封装,设计并实现了一套完备的人像图像处理系统。该系统包括桌面客户端、服务器、网页前端三部分,使得用户可以自由上传下载自己的图片、选择自己需要的算法进行处理,此外,本系统的桌面客户端还实现了丰富的客户交互操作。