数字图像修复技术是针对图像中损坏或者缺失的部分,利用未被损坏的原始图像信息,按照一定的算法规则进行修复,使得修复后的图像接近或达到原图的视觉效果。近年来随着数字媒体技术的大范围普及,数字图像修复技术也得到了更加广泛的应用,除了用于修复损坏的图像,还被应用于处理目标移除、超分辨率图像分析、图像压缩、视频错误隐藏等问题中。从数学的角度分析,因为没有足够多的信息能够保证修复结果的正确性,所以图像修复是一个病态问题。而修复效果的好坏,一般取决于人的主观视觉感受。因此很多学者从视觉心理学的角度出发,提出了多种限定假设来解决这类问题。可以说,图像修复技术的本质是对视觉认知过程的学习、理解以及再现。基于上述考虑,本文将数字图像修复技术作为研究内容。通过对图像修复技术的理论分析和研究,发现了当前主流算法存在的一些问题并提出了改进方法。
　　 在基于结构的图像修复方面,首先分析了BSCB算法和基于TV模型的修复方法在扩散迭代中所存在的扩散速度以及边界保持之间的矛盾,然后分析了快速修复算法边缘保持的缺陷。进而基于快速修复算法引入了距离权函数和梯度权函数的计算,提出了一种改进方法。该方法在等照度线方向计算更为准确,可以有效的改善边缘修复效果。
　　 在基于纹理的图像修复方面,通过对Criminisi的基于采样复制的图像修复算法的详细分析,指出了该算法在处理结构丰富的纹理信息时所存在的一些问题,通过引入Sobel算子,可以使纹理细节丰富或者破损区域较大的图像增加块间效应,进而提高图像重复度,使修复效果在视觉上更符合图像的纹理特点。同时引入置信度惩罚因子,这样可以在修复过程中优先采用置信度高的像素,进一步提高修复效果。实验结果验证了本文提出的改进算法有效的改善了修复图像的视觉效果。