图像修复，包括图像去噪、超分辨率重建、图像修补等，是计算机视觉与图像处理领域中一个长期研究的重要问题，同时也是低层图像建模算法的典型测试平台。本文提出了一种用于图像修复的超深层全卷积自编码网络，该网络采用对称的卷积-反卷积结构的编码-解码框架。换言之，该网络由多层卷积与反卷积运算单元构成，能够端到端地学习从受损图像到原始图像的映射关系。卷积层用于提取图像内容的抽象特征，同时抑制噪声等失真；反卷积层则具备上采样特征图的能力，有助于恢复图像的细节信息。为应对深层网络训练难度增大的问题，我们提出通过跳跃连接（skip-layer connections）对称地连接卷积层与反卷积层，该设计显著加快了网络训练的收敛速度，并取得了更优的修复效果。