客观的图文信息在日常生活中无处不在。在传递信息的同时，也带来了信息泄露的问题。图像文本去除算法很好地解决了这一问题，但也存在一些问题，如文本去除不干净，文本去除后对区域填充结果的视觉感知较差。因此，本文提出了一种基于门递归单元（GRU）的图像文本去除模型，该模型可以高质量、高效率地去除图像中的文本。方法通过门循环单元构成的笔划级二值掩模检测模块，准确获取输入图像的笔划级二值掩模。将得到的笔划级二值掩码作为辅助信息输入到基于生成对抗网络的文本删除模块中进行文本删除和背景色回填，并利用本文提出的文本损失函数和亮度损失函数来提高文本删除的效果，同时，使用逆残差块代替普通卷积，实现高效的文本去除。结果在1080组人工处理的真实数据集和1000组文本合成方法合成的数据集上，与其他三种文本去除方法进行了对比实验。实验结果表明，该方法在峰值信噪比、结构相似性和视觉效果等图像质量指标上具有较好的性能。结论与对比法相比，本文提出的基于门循环单元的图像文本去除模型不仅能有效地解决文本去除后图像文本去除不干净和区域与背景不一致的问题，而且能有效地减少模型的参数和计算量。最后，计算总量减少了72.0%。