以敦煌莫高窟为代表的中国古代壁画有着悠久的历史和极高的文化价值。然而,随着岁月的变迁,古代壁画不可避免地由于风沙、潮湿或人为盗取等因素遭到损害。因此,及时地对已发现的受损壁画进行修复能够最大程度地保留其经济和文化价值。传统的人工修复不仅对修复专家具有更高的技术要求,且一旦操作不当会有损伤壁画的可能性。因此,对损伤壁画进行数字化修复不仅能避免对壁画本体因人为失误而造成损坏,更能使完整的壁画数字图像易于保存和传播。图像补全算法是数字图像修复的关键技术,通过输入受损图像及其损伤区域的位置信息来自动补全缺失区域,生成完整图像。近年来,深度生成模型凭借着其强大的特征表示和推理能力成为了通用图像补全的主流方法。现有的基于深度生成模型的通用图像补全算法主要存在以下问题:（1）算法生成的区域有时会模糊或受到伪像的影响;（2）缺损区域边界存在模糊、与上下文结构不一致等等情况。这些因素会影响最终补全壁画的观感。本文将探究如何利用通用图像补全算法解决壁画修复问题,并通过算法层面的改进来提升壁画修复的效果。具体地,本文主要贡献如下:（1）提出将基于边界连接的图像补全算法应用于壁画补全任务上,对壁画补全过程中图像的高频与低频信息解耦合,以边缘补全阶段获得的边缘假想图为先验信息提升壁画补全阶段的效果,并在常见大型人脸数据集与敦煌壁画补全竞赛数据集上训练及验证了该算法的有效性;（2）为了解决补全算法在判别图像时对局部图像一致性的考虑不足问题,引入了包含局部判别器与全局判别器的联合判别器来提升判别效果,通过全局判别器对补全图像整体的判别,保证图像全局的一致性,同时对以补全区域为中心的局部图像使用局部判别器进行一致性判别,加强了对输入图像局部特征的考虑,同时提升了对抗训练的稳定性;（3）为有效利用上下文信息并在生成图像时考虑上下文一致性来生成补全结果,在图像补全模块的生成器网络中引入了语义一致性注意力模块,在生成图像块过程中,加入了待补全区域与图像已知区域及已生成区域相关性的考虑,提升了图像生成质量。本文通过结构相似性和峰值信噪比等评价指标来评估基准补全算法及改进后的算法性能,同时在图像补全任务常用的Celeb A数据集和敦煌壁画补全竞赛数据集上进行了训练并测试效果。定性和定量的分析显示,本文提出的模型所补全出的图像真实性和质量都有所提升,验证了本文方法的有效性。