图像修复是指用一系列方法恢复破损图像。针对现有修复方法存在的问题,提出了两种图像修复算法,主要工作内容如下:针对现有算法在背景复杂和大面积不规则破损的修复条件下,修复结果存在结构不合理和纹理细粒度低的问题,提出基于密集多尺度融合扩张卷积的图像修复算法。首先,将破损样本输入全局结构生成网络中,该网络的核心模块为密集多尺度融合扩张卷积块;其次,将结构生成网络的输出样本输入至细节生成网络中,该网络包含密集多尺度融合块和并行的自注意力层;最后,将细节生成网络的输出样本输入至频谱鉴别器中,增强了全局与局部内容一致性和细节特征。将提出算法在国际公开数据集上对比近几年主流的修复算法,实验表明:提出算法可有效修复破损面积过大的图像,修复结果具有平滑边界和高细粒度,满足视觉连贯性及真实性,在评价修复效果的主客观指标上均优于对比算法。为解决目前修复方法在图像大面积损坏条件下,修复结果的有效性差且修复过程不可引导的问题,提出了一种由标签文字引导的图像多样化修复算法,通过输入外部标签引导修复过程,提升了修复结果的可控性以及多样性。首先,通过设计双重多模态掩码注意力提取破损位置的语义内容;然后,引入深度文本图像融合模块增强多模态数据的融合度,并通过应用匹配损失最大化生成样本与标签间的语义信息相关度;最后,利用投射鉴别器增强生成样本的真实性。所提算法的工作流程是以文字标签作为先导,根据匹配成功的标签词句修复出指定的图像。在对比实验中,输出样本效果好于对比算法,在可控多样性实验中证明了算法的生成多样性。