摄影是人们用来记录所发生事件的最常用媒介,光影百年,在摄影起步和发展的初期,那些影刻在胶片、金属板、蛋清相纸甚至更粗陋简单材料上的老照片,不仅作为重要的文献史料记录了旧时社会的人文风貌,而且是一种珍贵的记忆载体定格了父辈们的青春和年少时光,对其修复体现了对历史和人文的双重关怀。而相比于划痕、噪点、脏污等直接使用软件工具就能进行有效处理的毁损类型,对于老照片色彩和分辨率的修复不仅需要软件工具,还需要修复师依据想象和经验进行重新创作和绘制。但是这种手动创作的过程往往非常繁复和耗时,研究者们开始寻求利用计算机视觉领域的视觉生成研究,通过视觉生成算法自动创造满足要求的视觉图像,将修复师从费时费力的手工创作中解放出来。视觉生成研究中,早期传统算法直接对视觉要素建模,仅能生成简单重复的图像内容,应用十分有限。近年来一些深度生成模型,尤其是生成对抗网络的提出,使得视觉生成领域发展迅速,生成的图像质量和应用范围都得到了显著的提升和拓展。生成对抗网络仅利用随机噪声作为输入就可以生成以假乱真的图像,获得视觉效果极佳、审美愉悦和谐的彩色和高分辨图像。但是,随机采样的噪声输入对应的生成结果也是完全随机的,网络无法控制生成的图像内容与老照片一致,这显然与修复目的不符。因此,本文更进一步地提出利用图像转换方法,即一种条件式生成算法,将褪色低质的老照片作为条件输入明确地约束生成方向,使其在老照片内容的基础上生成颜色信息和高清细节以达到修复目的。具体地,本文研究了面向上色和超分辨的图像转换方法:（1）现有上色算法大多直接在大规模自然图像集上训练,然后将之应用在老照片上进行颜色修复,很少考虑老照片和自然图像之间的分布偏差导致模型泛化性能下降的问题,获得的上色结果易出现色彩寡淡和偏色的现象。但如果直接用老照片进行训练,却又无法获得满足训练要求的大规模老照片集。因此,针对这些问题,本文提出了针对极少量样本的基于结构保存性特征对齐的老照片上色算法,仅使用一张老照片作为源域,一张彩色参考图作为目标域进行色彩转换。实验表明本文模型可以产生更加真实生动的老照片色彩修复结果。（2）由于包括老照片在内的真实场景低分辨图像在频域的各个频段的退化复杂且各异,而现有超分辨算法一般仅在空间域显式或隐式地建模退化过程,并未考虑频域的退化特点。因此,本文首先提出了一个新的基于频率聚合网络的真实场景图像超分辨模型,通过不同的网络分支处理提取到的不同频率分量,融合后获得四倍超分结果。模型以获取更高的峰值信噪比为导向优化像素损失,实验表明本文提出的频率聚合网络相比于其他方法可以达到客观指标最佳。但是仅优化像素损失会导致网络倾向于生成像素平均的结果,出现过度平滑的模糊效果,视觉感知质量差。因此,结合前文对多个图像转换模型的实验评估,本文整合了经典图像转换算法pix2pix中的部分模块,重新设计了一个基于频率聚合的图像转换模型,生成纹理细节更丰富的超分结果,实验结果表明提出的方法可以获得主观性能最佳、视觉感受更加细腻真实的恢复图像。而在老照片上的实验结果也显示了本文模型在实际应用修复中的价值。