近年来,有关图像处理领域的视频修复方面的研究正不断深入发展和应用。相比于单一的静态图像修复,视频包含更多的结构、纹理和运动特征信息,也是目标信息保存最直接、最有效的方式。但视频修复计算难度更大,耗时更久,因此更具有研究价值。本文以样本块修复算法为基础,主要就搜素算法、结构保持和纹理相似性等相关问题展开研究,具体研究内容如下:首先,利用图像的梯度信息作为视频的结构信息引入到目标函数,提出结构约束的修复方法。利用视频的时间维度,构建视频时空金字塔,从上到下再由外到内修复破损区域边界像素;然后利用加权平均的方式进行粗重建,对权值进行更新,再更新边界,一方面确定破损区域结构特性,另一方面补充重建信息;利用同样的方法一次修复各层金字塔。其次,获取结构特征修复后,利用纹理迁移技术使破损区域图像纹理协调一致。使用源代码中的风格化纹理来合成目标风格化图像,优化能量函数补丁;然后通过结构指导,加权平均能量值,改善迭代;通过投票,使用给定的重建目标风格化图像,计算相邻补丁中位于同一位置的像素的加权平均颜色来生成修复图像,实验结果表明,该方法在视觉感受、PSNR和MSE值优于其他算法。最后,对前景和背景同时移动且较复杂的视频文件,利用光流的快速逆向搜索,获取更加精确的匹配块。利用光流改进搜索过程,再基于多尺度聚合来进行快速密集流估计,最后利用快速的变分细化步骤进一步改善了我们基于密集逆搜索的方法的解决方案。通过在不同的数据集上进行多组实验结果表明,光流估计准确,并且与其他识别方法相比,取得了更好的图像识别效果。该论文有图35幅,表11个,参考文献85篇。