随着计算机视觉技术的飞速发展,图像成为了一种重要的信息传递媒介,人们从互联网上获取丰富图像资源并凭借此来认识理解世界,不同的人们对于图像的理解也越来越趋于多样化,而图像编辑正满足了人们的需求。图像编辑通过对人们需求结合图像内容的综合分析,利用有效的编辑信息对图像实施编辑过程。良好的编辑信息对于图像编辑总能事半功倍,因此,选择什么样编辑信息和从哪里获得这些信息以及怎么处理这些信息都影响着图像编辑最终的视觉效果。不同来源的编辑信息具有不同的特点,图像自身的编辑信息单一有效却无法选择;图像数据库的编辑信息选择多样却有效性不足;互联网则凭借大数据的优势使得编辑信息同时具有选择性和有效性,因此在大数据下检索需要的编辑信息并为图像编辑这一课题所用值得深入研究。本文的主要研究内容包括*:(1)针对经典图像修复算法中待修复区域不可更改以及修复信息源于自身,缺乏多样性等问题,本文提出了一种基于Gist特征的场景图像修复算法。首先,借助用户对所需要修复区域选择并结合SLIC(Simple Linear Iterative Clustering)超像素分割技术,点击获得较为准确的待修复区域;其次,利用Gist特征作为场景分类算子并结合多特征约束的方法,在场景数据库中进行相似性检索,筛选出与待修复区域相似的场景备选图像;之后,采用全局滑动窗筛选备选图像块,通过评价差异得分进行排序,选择与待修复区域最相匹配块作为最佳备选图像块,从而保证了修复信息的有效性;最终,将最佳备选图像块与待修复区域进行融合,结合Poisson融合技术,有效地避免模糊、锐化等人工伪迹的产生。对比实验表明,本文所提算法在多类场景图像修复结果中达到了较好的视觉效果。(2)通过对图像编辑中编辑信息的研究发现,编辑信息的准确性很大程度上影响着编辑结果的准确性,因此,本文提出了一种基于时空特征的互联网视觉图像编辑算法。通过对图像所处环境的描述作为时空特征,并利用时空特征和互联网视觉约束对图像编辑所需要的信息进行有效选择,在图像编辑阶段通过良好的前背景分割实现图像背景替换,同时结合颜色和亮度的传递实现图像编辑具有良好的视觉一致性。首先,计算离线数据库时空特征和词袋模型(Bag-of-Words,BoW)特征;其次,对待编辑图像利用词频和逆向文档频率(Term Fervency-Inverse Document Frequency,TF-IDF)对上述特征分配标签组合,根据所得标签组合进行互联网图像检索;再次,利用互联网视觉对检索图像进行约束筛选,有效提高图像的准确性和有效性;最后,将待编辑图像进行基于贝叶斯概率的前背景分割,将前景部分与检索结果进行Alpha融合,实现良好的背景区域替换编辑,并更具颜色变化采用颜色和亮度传递实现替换后图像的视觉一致性。对比实验表明,本文所提算法对于图像相关检索具有良好的准确性,同时在图像编辑过程中有效增强了图像编辑的视觉效果。