中国尤其陕西拥有丰富的古代绘画资源。这些古代绘画具有非常重要的艺术、科学和历史考古价值,但是它们现在生存状况十分堪忧,其中绝大部分绘画存在严重的病变、破损甚至消亡问题。破损的古代绘画严重影响了以绘画为代表的数字文化遗产鉴赏和传承效果。为了提高古代绘画数字化质量,本文将针对破损的低品质古代绘画图像,利用深度学习的理论与方法,研究对应的技术措施来重建高品质古代绘画图像。由于古代绘画图像结构复杂且样本数较少,使得在自然图像修复任务上表现优异的深度学习算法难以有效地胜任古代绘画图像修复任务。如何构建修复效果好以及迁移能力强的古代绘画图像修复网络成为图像修复领域研究的重点和难点。本文的研究目标是构建具有高修复性能的古代绘画图像修复网络模型。本文的主要贡献如下:结合Re LU和Leaky Re LU激活函数的思想提出了两种性能更优的空间自适应激活函数;从部分卷积的机理出发,提出双域部分卷积模块;通过对现有的图像修复算法改进,提出高性能的古代绘画图像修复算法。研究内容和取得的成果如下:（1）目前主流图像修复网络使用的Re LU和Leaky Re LU激活函数只是在输入和权重映射之间进行元素积,只考虑输入中单个元素的值,而忽略了周围元素的影响。针对此缺陷,本文提出了充分考虑相邻元素间空间位置关系的空间自适应激活函数,用来校正多尺度的特征映射;其次选用基于部分卷积的不规则孔洞图像修复网络作为基础网络,结合空间自适应激活函数和泄露空间自适应激活函数对基础网络进行改进,提出了一种具有较高修复性能的图像修复网络,并在两个公开的数据集上进行实验。实验结果表明加入空间自适应激活函数模块和泄露空间自适应激活函数模块后的图像修复网络,其修复性能较基础网络明显提升。（2）现有的主流图像修复网络的卷积模块在提取图像特征时只提取像素的空间域特征,忽略了像素的频域特征信息,导致提取的特征信息还不够精细全面,从而造成网络模型对古代绘画图像这种复杂结构的孔洞修复结果较差。针对此缺陷,首先在部分卷积模块的基础上提出了双域部分卷积模块;其次,构建了基于双域部分卷积的古代绘画图像修复网络模型,并在Places365-Standard数据集和古代绘画数据集上与目前最先进的几种图像修复算法进行实验对比。实验结果表明:本文提出的基于双域部分卷积的古代绘画图像修复方法在主观视觉和客观评价指标上都优于目前最先进的其它几种图像修复方法。