1.一种基于对抗性边缘学习重建的图像修复方法，其特征在于：包括，
2.如权利要求1所述的一种基于对抗性边缘学习重建的图像修复方法，其特征在于：所述预处理包括，通过数据集的选取与处理,进行不规则mask和人脸数据集的载入,并进行图像的预处理与划分。
3.如权利要求2所述的一种基于对抗性边缘学习重建的图像修复方法，其特征在于：所述图像的预处理包括对于图像的边缘提取,使用canny边缘检测获取图像的边缘，具体如下:
4.如权利要求3所述的一种基于对抗性边缘学习重建的图像修复方法，其特征在于：所述搭建模型包括在边缘生成器中使用掩膜灰度图像作为输入，其边缘图以及掩膜m作为前提条件：
5.如权利要求4所述的一种基于对抗性边缘学习重建的图像修复方法，其特征在于：所述搭建模型还包括，所使用的网络利用不完整的彩色图像作为输入，并使用复合边缘图ccomp作为条件，复合边缘图ccomp是通过将真实边缘图在背景区域与上一阶段生成的边缘图在缺失区域进行组合得到的：ccomp＝cgt⊙(1-m)+cpred⊙m，网络返回一张修复后的彩色图像ipred：
6.如权利要求5所述的一种基于对抗性边缘学习重建的图像修复方法，其特征在于：所述损失包括重建损失、对抗损失、感知损失以及风格损失；
7.如权利要求6所述的一种基于对抗性边缘学习重建的图像修复方法，其特征在于：所述训练模型包括采用反向传播算法更新优化网络参数权重，直至模型损失趋于收敛。
8.如权利要求7所述的一种基于对抗性边缘学习重建的图像修复方法，其特征在于：所述训练模型还包括将训练好的模型导入并使用opencv工具做成人脸涂抹修复软件，最后使用打包工具打包成exe文件。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。