在大量图像数据集的支撑下,基于深度学习的图像修复模型能够更好地捕捉图像中隐藏的高级特征和深层结构,达到更贴近图像特点和人眼视觉的修复效果。结合基于深度学习的图像修复技术对唐卡图像不规则破损区域进行模拟修复,既能够保证修复的效率和质量,还可以避免给唐卡带来二次伤害,对实现唐卡的数字化保护有着重要的社会文化意义和学术实践价值。本文以唐卡的数字化保护为出发点,实现了深度学习在唐卡图像修复中的研究与应用,本文的主要工作如下:（1）目前少有权威公开的面向唐卡破损特性的掩码数据集和面向深度学习应用的规范化唐卡图像数据集,基于此本文提出构建了针对唐卡破损特性的不规则掩码数据集,并对唐卡资源库中质量较好的图像进行筛选预处理得到了适合深度学习应用的1666张规范化唐卡图像数据集。（2）针对传统方法修复唐卡不规则破损的局限性,基于唐卡的不规则掩码数据集,本文提出采用基于部分卷积的深度学习模型进行修复训练。针对唐卡图像数据集,提出微调策略,通过冻结编码网络的批量归一化层对模型进行改进训练,使模型在唐卡图像数据集上的总损失函数较微调初始阶段下降约0.25。以峰值信噪比、结构相似性、视觉信息保真度和修复耗时为评价指标,通过与TV模型、Criminisi算法和Patch Match算法进行大量的实验对比分析,结果表明,在唐卡图像数据集和面向唐卡破损特性的不规则掩码数据集的支持下,通过迁移学习的深度学习模型解决了传统方法应对唐卡不规则破损能力不足和修复速度慢的问题,修复结果更精准更符合唐卡图像特点。（3）针对模型修复唐卡图像弱纹理区域可能出现的明显修复痕迹,本文提出一种组合修复方法,在模型修复结果的基础上,使用Patch Match算法对该修复痕迹进行局部二次修复以提高唐卡图像的最终修复效果。经过实验对比,组合修复方案也得到了较理想的实验结果。（4）在一系列工作的基础上,从唐卡图像修复系统的功能和性能出发,完成了唐卡图像修复系统的需求分析和功能分析,设计实现的基于Web的唐卡图像修复系统能够满足唐卡图像修复效率和质量的要求。