人类最容易理解和接受的信息表达形式为图像,所以保存图像内容的完整性至关重要。因此与图像修复技术有关的研究十分火热,具有广大的应用前景与商业价值,比如将该技术用于古籍文献修复、影视制作和刑事调查等领域。其中人脸图像的修复是一个具有丰富挑战性的课题,人脸存在眼睛、鼻子和嘴巴等一系列具有逻辑结构性的器官组织,对人脸图像的修复不仅仅要考虑整张人脸的合理性,还要将人脸器官的组成是否合理考虑进去。传统的图像修复方法主要利用缺失部分的邻界信息对破损部分修复,但是得到的修复结果往往不尽如人意,出现模糊和粗糙等问题,所以不适用于人脸图像或者复杂场景的修复情况。近年来,深度学习技术快速发展,在图像修复等领域表现出巨大的作用。但是,图像修复算法训练难度较大,对复杂人脸的修复效果一般。考虑上述问题,本文的主要研究内容如下:1.基于连贯语义的图像修复。考虑到现有的图像修复方法在修复缺失区域面积较大或者复杂场景的图像时存在误差和结构失真等问题,本文选取了基于连贯语义的图像修复算法（CSA）作为研究重点,并展开深入分析,为后续的改进奠定基础。CSA模型由粗修复和精修复两个网络组成,在精修复网络中嵌入了CSA层,同时引入了一致性损失和特征模块判别器,使得最后的修复结果更接近原图,而且保证了训练的稳定性。2.基于浮雕处理的图像增强。充分考虑到现有人脸数据集模式单一和风格简单的影响,对模型的泛化能力提升效果不明显的问题,提出了基于浮雕处理的图像增强方法。该方法的提出受到创意素描风格的启发,创建虚拟光源,将人脸图像构造成浮雕效果。为了防止丢失原图的某些未知的无法直接观测的特征,考虑结合Mixup以综合原图和浮雕效果图像的共有特征作为模型的输入,达到两者之间特征的初步融合,深化了人脸图像的细节。在实验过程中,首先对Celeb A人脸数据集进行浮雕预处理,并结合CSA算法对人脸图像进行修复,明显提升了模型的泛化能力,更好的扩充了数据集的规模,使得人脸细节特征的修复结果比原模型更加自然、清晰和真实。3.基于浮雕网络的图像修复。通过实验发现手工设计的浮雕效果图像对CSA模型有很好的良性作用,但是手工设计的浮雕图像作为CSA模型的输入为模型引入了许多干扰,并且屏蔽了原图,因此模型的拟合方向偏离了原图而向浮雕处理得到的图像靠近。考虑到浮雕效果图像对人脸修复结果的影响,本文设计了一个微型网络,借鉴于ACNet,将其称为浮雕网络。然后将其和CSA模型结合训练,模型训练的收敛速度得到提升,得到的人脸修复结果在内容真实性和视觉连贯性方面取得了不错的效果。设计消融实验,考虑将浮雕预处理方法和浮雕网络结合,分析如何平衡浮雕效果才能使模型的修复效果达到最优,并采用本文提出的测试结果较好的模型进行对比分析。虽然浮雕网络在一定程度上弱化了浮雕预处理的效果,但是两者结合后模型的抗干扰能力得到较大的提高。最后通过峰值信噪比和结构相似性两种常用图像修复评价标准进行客观评价,进一步验证了本文方法的可行性。