中国古代壁画历史悠久,类型数量众多,是中国古代文明发展的见证,时至今日仍然具有着重要的历史、艺术、科学以及文物、经济、宣教等其他价值。近年来,应用科技手段对古代壁画进行保护发挥了重要作用,使得文物保护的工作方式更加科学化、多样化。在文物数字化保护手段日益丰富的背景下,壁画保护工作需要更多的创新性工作。本文以中国古代壁画为研究对象,针对壁画破损、色彩模糊等现象展开研究。首先采用增强图像整体细节一致性表达的方法对破损的古代壁画图像进行修复,然后采用超分辨率重建的方法对古代壁画图像优化,使得壁画图像更加美观,更具艺术性,为壁画的保护工作提供了新思路。首先,针对古代壁画图像数据难以采集的问题,将采用爬虫技术和实地拍摄的方法获取原始壁画图像,通过筛选去除破损严重、分辨率低、干扰信息多的壁画图像,选择符合实验条件的壁画图像作为初始数据,经数据增强算法完成数据集的构建,并以此作为研究基础。然后,以生成对抗网络为框架,在生成网络中将带有掩码的壁画图像进行补全,判别网络对生成网路的输出图像和真实的壁画图像进行判断,在对抗中逐渐完成生成网络的建模,直至该模型达到预期的修复效果,完成壁画图像的初步修复。然后,使用卷积神经网络提取壁画图像特征信息,然后将复杂的特征信息映射到特定大小的图像特征空间上,完成壁画图像的超分辨率重建。最后,构建壁画图像管理原型系统,完成壁画图像更科学的收集,同时以壁画图像超分辨率重建算法为核心,可视化的完成壁画图像超分辨率重建工作。本文依次完成了古代壁画图像数据集构建、壁画图像修复方法研究、壁画图像超分辨率重建方法研究、壁画图像管理原型系统开发工作。本文不仅对壁画图像进行修复,采用了超分辨率重建的技术实现了壁画图像的优化。在数据集的构建上,采用网络爬虫技术、数据增强等方法,为今后深度学习在壁画保护领域的应用奠定了基础。并且在网络训练过程中,采用迁移学习思想等其他网络结构优化方法完成壁画图像的优化,为深度学习在小样本数据集场景下的应用提供了重要参考。