针对多尺度生成对抗网络图像恢复算法（mganii）在图像恢复过程中训练不稳定、结构一致性差、细节和纹理清晰度不够等问题，提出了一种基于多特征融合的多尺度生成对抗网络图像恢复算法。首先，针对结构一致性差、细节和纹理清晰度不足的问题，该算法在传统生成器中引入了多特征融合模块和基于感知的特征重构损失函数，提高了扩展卷积网络的特征提取能力，为了改善修复后图像的细节和纹理特征，最后在抗丢失函数中引入风险惩罚项以满足Lipschitz连续性条件，使网络在训练过程中能够快速稳定地收敛。将该算法应用于celeba 数据集，与mangii算法相比，该多特征融合图像恢复算法收敛速度快。同时，修复后图像的峰值信噪比（PSNR）和结构相似度（SSIM）分别比基线提高了0.45%~8.70%和0.87%~8.0%，距离分数（FID）比基线降低了36.0%~46.7%。实验表明，该算法的修复性能优于基线。