针对图像修复任务中传统方法存在固定频率划分难以适应不同数据、局部与全局特征融合失衡及下采样信息丢失等问题，提出了一种基于频域动态增强与掩码感知门控融合的端到端网络。首先，设计动态高低频率注意力模块，动态调整频率划分边界及各频带对特征的贡献度，解决传统固定频率分离无法适配不同数据的问题；其次，构建动态门控融合模块，平衡高频细节与低频结构的重建精度，缓解复杂掩膜导致的局部特征退化与全局上下文割裂，减少伪影生成；最后，提出几何感知掩码引导下采样，借助双注意力机制增强特征表达，融合下采样特征与原始特征，利用门控机制平衡特征贡献度，避免信息丢失。在CelebA-HQ数据集上，相比当前最优方法HINT，所提方法在低掩码比例(0.01%-20%)下PSNR提升0.32%，SSIM提升0.75%，L1降低11.7%；在Places2数据集上，相比当前最优方法MxT，在中高掩码比例(20%-60%)下PSNR提升0.47%-1.85%，SSIM提升1.76%-2.3%，LPIPS降低9%-36.7%。实验表明，所提方法在保持视觉质量的同时有效提升图像修复的定量指标。