工艺品修复早在数百年前就已经出现,通过该项技术,人们能对受损的艺术制品进行修复,尽最大可能使被修复物品符合人类的视觉要求。图像修复技术,作为近年来兴起来的一个与工艺品修复相关的技术,受到了许多人的重视。图像修复技术能够对缺失的图像中的信息,利用其缺失区域临近区域的特征信息,实现对于缺失信息的修复。图像修复有许多的应用领域,它能用于数字图像的物体移除,图像重建,文字移除,视频重建以及电影空洞处理等方面。为了能够实现图像修复,相关研究人员提出了许多的算法来修复图像中缺失的信息。这些方法可以分为五大类,(基于偏微分方程的方法,基于纹理的方法,基于样本的方法,混合方法和基于深度学习的方法)。这些方法所使用的原理不尽相同,都有其适用的问题,修复效果也各有不同。首先,本文介绍了基于深度学习理论的深度卷积神经网络和对抗神经网络。本文介绍了深度卷积神经网络的特点以及一种基于深度卷积网络的图像分类网络。同时,本文也阐述了对抗神经网络的基本定义和理论推导,给出了深度学习模型若干模型优化措施。然后,本文给出一种基于深度卷积和对抗神经网络相结合的图像修复方法。该方法主要通过两个不同的粗糙修复阶段和细致修复阶段,实现对于图像缺失信息进行合理的修复。此外,在细致修复阶段,使用两个不同的方法,综合对于缺失部分的信息进行细致的修复,提高最终的修复效果。最后,本文方法和其它两种图像修复方法,在公开的CelebA数据集上进行对比实验。实验结果表明,本文给出的方法,相较于传统的图像修复方法和一种基于深度学习的修复方法,具有更好的图像修复效果。