人脸图像合成在计算机视觉领域中,是一个非常有挑战性的研究话题,它在法律执行和数字娱乐方面具有重大的应用价值。基于生成对抗网络（GAN）人脸图像合成方法比传统方法相比,具有合成图像更加逼真的优势。本文对基于生成对抗网络的人脸照片生成方法以及人脸素描序列生成方法进行了研究,主要工作包括两方面:（1）基于GAN的人脸素描生成照片。提出了一种基于生成对抗网络（GAN）的高保真人脸素描生成照片方法。采用深度残差U-Net作为生成器,以带有残余块的Patch-GAN作为判别器。通过约束合成照片的像素、边缘和高级特征设计了有效的损失函数组合。此外,使用有效的抽样方法扩充了CUHK的素描数据集。定性和定量实验证实了该方法优于其他方法。另外开发了基于素描的照片编辑应用程序。（2）基于GAN的人脸照片生成素描序列。首先构建了一个顺序增强的面部素描数据集,称为Ord-Sketch。该数据集包含400张人脸照片,每张照片对应25张素描序列,每幅素描的精细度递增,这为研究人员提供有关人脸合成的支持。然后,基于构造的Ord-Sketch数据集,提出称为SO-Net的多阶段级联网络,每个阶段都采用GAN架构,其中5个中间素描用作先验约束。通过实验结果表明,该方法在多种评价指标和视觉效果上均超过其他方法。