人体图像合成是计算机视觉领域的热点研究问题。当前的人体图像合成研究主要针对曝光一致的、背景和前景主体均清晰的普通图像。剪影照片与普通图像有很大不同,普通图像具有清晰的被摄物体和背景,而剪影图像中,背景由于适当曝光而明亮,前景曝光不足而显示为深色。剪影图像的深色主体和明亮的背景形成了强烈的对比,而且丢失大部分前景的细节,对其合成造成一定挑战。另外,剪影照片的拍摄受限于技巧、时间、地点、天气等多种因素,在合适的场景下拍摄的剪影照片,其中的人物姿态或许并不理想,人们渴望有机会交互式地调整照片中人物的姿势。人体图像合成工作可以是端到端的,也可以是分阶段的,分阶段的方法不仅可以提高网络的泛化能力,而且可以降低训练难度。为此,本文提出了一种分阶段的人体剪影图像合成方法,该方法主要涉及人体检测、人体区域分割、交互变形和图像补全等技术领域。本文的主要工作如下:(1)人体图像合成需要细致地分析图像,得到人体位置、形状和姿态等,这就需要人体图像分析。为此,本文提出了一种人体剪影图像分析方法。该方法结合阈值分割与人体检测来得到人体区域,并基于深度学习估计出人体姿态。实验结果表明,该方法能自动获取准确的人体区域和人体骨架。(2)对人体剪影图像分析之后,本文改变人体姿态并合成图像。本文提出了一种姿态驱动的人体剪影图像合成方法。该方法以交互方式改变人体骨架,从而驱动人体变形,并借助基于深度学习的图像补全方法去填补人体变形后形成的空洞。深色前景剪影像素和空洞极不规则,两方面不利因素会共同影响补全效果。因此本文对需要补全的背景图像进行处理,对前景进行色彩替换,在此基础上补全图像,然后恢复前景深色,并使用引导滤波柔化边缘。实验结果表明,该方法能合成逼真的剪影图像。(3)为了进一步扩大姿态变形的可用性,合成各种姿势的真实人体剪影照片,本文提出了一种三维人体参数化模型的数据驱动方法。该方法基于深度网络得到输入图像的三维人体参数化模型,并借助由参考图像获取的人体形状参数和姿态参数来驱动人体变形,进而合成人体剪影图像。