従来の画像修復方法は、対象特徴が著しく欠落している場合に、欠損領域の特徴を予測するために完全な領域を十分に活用できず、修復結果に特徴の不連続性や細部のテクスチャのぼやけなどの問題が生じている。本論文では、場内外特徴（EFIF）融合に基づく欠損画像の精密修復手法を提案する。まず、改良された動的記憶ネットワーク（DMN+）アルゴリズムを用いて、欠損画像の場内特徴および関連する場外特徴を融合し、場内外特徴を含む欠損画像最適化図を生成する。次に、勾配ペナルティ制約条件を備えた生成対抗ネットワークを構築し、最適化された欠損画像に対して粗修復を行うよう生成器を指導し、修復対象の粗修復図を取得する。最後に、関連特徴の連続性の考え方を通じて粗修復図をさらに最適化し、最終的な精密修復図を得る。3つの異なる複雑度の画像データセットでシミュレーション検証を行い、既存の支配的な修復モデルと視覚的効果および客観的データを比較した。実験結果は、本論文のモデルの修復結果がテクスチャ構造においてより合理的であり、視覚効果および客観的データの両面で他のモデルを上回ることを示した。最も挑戦的なUnderwater Targeデータセットにおいて、本手法のピーク信号対雑音比（PSNR）は最高27.01、構造類似性指数（SSIM）は最高0.949であった。

欠損画像;関連特徴連続;精密修復;注意機構;場内外特徴