本发明公开了基于阶梯流特征融合的图像修复方法、系统及存储介质，方法包括：获取图像修复数据集；设计图像修复模型，包括阶梯流特征融合卷积神经网络模块、多粒度注意力网络模块、注意力重用模块、U‑Net卷积神经网络和预训练VGG‑16网络；设计判别器卷积神经网络，分别为高频残差判别器和光谱化的马尔科夫判别器；设计多个损失函数，组成总目标函数来作为图像修复模型的总损失函数；将图像修复数据集输入图像修复模型和判别器进行训练，保存模型参数；加载模型参数，输入待修复图片，得到最终修复图片。本方法通过结合阶梯流特征融合和多粒度注意力网络两种方法，减少了大范围孔洞区域的图像修复出现伪影的情况，使最终结果更接近真实图片，细节更丰富。