完整的高分辨率图像在文物保护、资讯传播、刑侦分析等方面均有重要应用,然而受成像成本、成像环境、传输带宽等限制及自然或人为因素的制约,容易导致图像空间信息受损和细节信息丢失。针对空间信息受损问题,可利用图像修复技术填充缺损内容;针对细节信息丢失问题,可借助超分辨率技术重建图像细节。生成对抗网络作为当前图像修复和超分辨率领域的主流手段,通过零和博弈方式,表现出很好的重建性能,备受广大研究人员关注。本文针对图像修复网络架构信息利用不充分,以及超分辨率网络架构对图像关键区域关注不足的问题,在生成对抗框架下,引入注意力机制,提出了有效的图像修复和超分辨率方法,主要研究内容及贡献如下:1.通过详细对比分析当前主流图像修复和超分辨率方法的实验效果,发现存在以下不足。主流的图像修复网络架构修复结果表现出模糊和严重的边缘响应,典型的生成对抗性图像超分辨率方法重建的高分辨率图像细节失真且伪影严重。2.针对主流编解码网络架构在编码阶段信息丢失,解码阶段难以利用细节信息严重匮乏的小尺度特征重建逼真的纹理结构,导致修复结果模糊、边缘响应严重的问题。考虑到编码阶段不同尺度特征含有丰富的孔洞边缘信息,本文提出了基于多级解码网络的图像修复方法。该方法利用多个副解码器提取编码阶段不同尺度下的特征,并将其聚合至主解码器,和主副解码器共同作用填充图像缺失内容。实验结果表明,相对于已有代表性修复方法,本文提出的多级解码网络修复方法恢复出的破损区域更加清晰、边缘过渡更加平滑。3.因基于生成对抗的超分辨率网络架构对图像关键区域关注度不够、对高分辨率图像生成过程约束不足、随机生成错误信息,从而导致图像细节失真、可见伪影严重的问题。本文基于注意力机制对不同表示分配权重、加强重要信息关注度的事实,将其引入高分辨率重建网络,提出融合注意力机制的超分辨率方法。该方法通过施加注意力约束来区分纹理区域和平滑区域,使网络将重建目标重点放在高频细节丰富的区域,执行高频补偿。实验结果表明,与代表性方法相比,本文提出的融合注意力机制超分辨率方法重建的细节信息更加真实、图像整体观测效果更加逼真。