许多早期电影的胶片得不到妥善的储存和保护,反复放映后出现了画面划痕、闪烁、丢帧等损伤,并且在岁月的侵蚀下,出现了发霉、粘连、变形、污损、氧化、开裂、褪色的问题。如何缓解电影的损伤,并修复这些宝贵的影视资料,已成为迫在眉睫的问题。除了斑块、划痕和闪烁等问题的修复以外,要想让遗产性电影在当今的时代绽放价值,拉近它与大众的距离,就需要对其进行高清化修复,以满足用户对画质的要求。本研究的目的是应用深度学习的方法来进行黑白老电影的综合修复,在实现图像超分辨的同时,祛除老电影存在的斑块、划痕、闪烁问题。为了训练神经网络,本文采用一种新颖的数据模拟流程,自动化生成模拟的老电影数据;同时,为了弥补显式建模的局限性,提出一种基于生成对抗网络的老电影风格化流程,由网络自主学习老电影的模拟方法。对于老电影的修复算法,首先提出一种端到端的卷积神经网络架构,它利用3D卷积提取多帧的全局特征,并通过计算时间注意力来控制相邻帧的信息量。与两种“去斑块+超分”的组合方法作比较,该方法在多个指标结果上都有明显优势,在画面清晰度、自然程度以及满足人的感知等方面超过对比方法。对平滑模块的消融实验证明了其补充和均衡全局信息的作用。此外,针对闪烁等时序不连续问题,本研究提出一种迂回循环神经网络架构,能够在实现信息双向传递的同时,增加网络的时间容量。同时,为充分利用时序信息,采用掩码检测机制辅助斑块去除。判别网络采用多帧条件判别器,可同时监督生成网络的多个时间状态。实验结果表明,提出的迂回网络在去闪烁方面作用明显,在空域修复方面的表现也优于对比方法。通过观察掩码特征,验证了掩码检测的有效性。