图像修复作为图像处理和计算机视觉领域的重点研究对象之一,广泛应用于古代文物破损修复,影视影像制作,老照片划痕修复,目标物体移除等方面。其核心思想是利用图像中已知的纹理和结构信息,按照一定的修复顺序和匹配准则对缺损区域进行修补,以保证图像的视觉完整性。论文首先从图像修复的背景进行介绍、继而探究了图像修复的研究意义及现状;列举了近年来较流行的图像修复算法,概述了图像修复的过程、分类和特点,以及当前图像修复领域所面临的主要问题和挑战。然后,论文对当前图像修复算法的优缺点进行了分析和总结。现有大多数exemplar-based图像修复算法,通过人工干预的手段进行样本块大小设定,以此达到最佳修复效果,这种算法缺乏自适应性;此外,不区别对待不同纹理和结构区域,均采用相同大小的样本块,也无法获得最理想的修复效果;其次,目前大多数的图像修复算法都采用误差平方和(SSD)准则寻找最优匹配块;该准则原理简单,精度有限,对信息丰富的图像进行处理,效果往往不够理想。因此,本文提出两种算法来解决上述问题:1)基于SSIM的自适应样本块的图像修复算法。在传统的SSIM算法的基础上增加了梯度信息,并通过结合样本块亮度、对比度和结构3个模块来衡量结构差异,以此确定不同结构和纹理区域的最优样本块大小。2)基于Census的自适应权重匹配准则的图像修复算法。通过引入改进后的自适应权重Census变换匹配准则,将其与经典的SSD准则结合使用,减少误匹配,提高最优样本块的搜索精度。仿真实验结果表明,上述两种算法相结合,能有效改善自然图像的修复效果,尤其是对于纹理结构复杂或颜色渐变的图像,可获得比较理想的修复效果。论文最后阐述了图像自动修复系统的设计原理和相关界面设计,该系统设计整合了当前多种图像修复算法,以及划痕自动检测算法。通过人机交互,用户可自由选取不同的算法,使得图像修复工作更为实用和便利。