La teledetección de alta resolución de la turbidez en el entorno costero con vehículos aéreos no tripulados (UAV) puede verse afectada negativamente por la presencia de obstrucciones de embarcaciones y objetos marinos en las imágenes, lo que puede introducir errores significativos en la modelización y predicciones de turbidez. Este estudio evalúa el uso de dos métodos de inpainting basados en aprendizaje profundo, a saber, el Transformador Espacial-Temporal Desacoplado (DSTT) y el Prior de Imagen Profunda (DIP), para recuperar la información obstruida. Las imágenes aéreas de los penachos de turbidez en el entorno costero se adquirieron primero utilizando un sistema UAV con un sensor multiespectral que incluía obstrucciones en la superficie del agua en varios porcentajes de obstrucción. El rendimiento de los dos modelos de inpainting se evaluó a través de análisis cualitativos y cuantitativos de los datos inpainted, centrándose en la precisión de la recuperación de turbidez. Los resultados muestran que el modelo DIP tiene un buen rendimiento en un amplio rango de porcentajes de obstrucción del 10 al 70%. En comparación, el modelo DSTT produce buena precisión solo con porcentajes bajos de menos del 20% y tiene un rendimiento deficiente cuando aumenta el porcentaje de obstrucción.