电影是历史和文化得以生动呈现的一种承载形式,老旧电影资料在记录历史和传播文化方面具有珍贵的价值。年代久远的陈旧电影一般通过胶片形式存储,受到存储条件的限制以及长期播放的损耗等,旧电影胶片会出现各种损伤,反映到电影画质内容上,会出现不同形式的降质,如斑点噪声、亮度闪烁、划痕、褪色,甚至损毁。因此,对旧电影资料的保护与抢救性修复已经刻不容缓。随着数字多媒体技术的发展,将旧电影内容由胶片转录为数字形式,进而进行数字化修复,已成为保护陈旧胶片影像资料的重要方法之一。旧电影修复技术在计算机视觉、数字视频处理等领域具有重要的研究价值。尤其是近年来深度学习技术的迅猛发展,为基于计算机技术的旧电影修复提供了新的思路。本论文围绕旧电影数字化修复问题,分别从旧电影中斑点噪声检测、斑点噪声修复以及亮度闪烁修复三个方面开展研究工作,以增强旧电影的修复质量。本文主要完成了以下工作:(1)提出了一种基于时空信息自适应旧电影斑点噪声检测算法。针对旧电影斑点噪声位置检测问题,该方法利用斑点噪声在时间序列和空间上的分布特点,分别从时间序列上和时空综合约束方面进行斑点噪声粗检和精选。首先对待检测帧的图像进行运动估计,得到当前帧图像的每个像素在前、后帧对应位置的运动矢量;然后,基于运动估计结果,采用改进的斑点检测索引算法和增强等级差分检测器算法对斑点进行全面检测,并经过自适应调整阈值,将所有可能成为斑点的区域粗检出来;最后,采用时空约束条件进一步对斑点区域进行精细筛选,得到精确的斑点位置检测结果。实验结果表明,相比于现有的噪声检测算法,本文提出的算法能够获得更高的斑点噪声检测准确率,有效降低误检率。(2)提出了一种基于深度自编码网络的斑点噪声修复算法。针对斑点噪声修复问题,借鉴深度图像先验,利用自编解码网络对自然图像编解码呈低阻抗,而对噪声呈高阻抗的特点,实现基于深度自编解码网络无监督斑点噪声修复算法。该方法以自编解码网络为基本框架,构建深度编解码网络来捕获图像深度先验信息,将含噪图像与噪声位置检测模板一起输入到自编解码网络;同时,含噪图像作为输出目标,实现无监督学习网络训练。经过特定轮次的迭代,最终输出修复后不含噪声的图像。实验结果表明,本文提出的算法可以实现无监督斑点噪声修复,可有效提升主观视觉质量。(3)提出基于注意力机制深度循环网络的闪烁修复算法。针对旧电影中存在亮度闪烁问题,利用注意力机制确定输入视频序列对结果预测贡献权重,通过深度循环结构网络,实现亮度闪烁修复。实验结果表明,本章方法可有效修复旧电影中亮度闪烁现象,主客观结果均优于比较方法。