图像修复是图像处理领域的重要分支,属于图像复原范畴。图像修复是指利用未被损坏的图像信息来估算缺损部分并进行自动填充的计算机技术。图像修复的目的是填充补全图像中受损区域或移除特定目标,并使观察者察觉不出图像修补痕迹。图像修复技术应用前景广阔,适用于老照片修复、图像编辑、虚拟现实和网络数据传输等领域。图像修复技术主要分为两类。大多数传统修复算法利用偏微分方程原理完成修复,适用于小区域缺损图像的修复。这类方法以像素为单位将已知图像信息扩散到缺损区域。基于扩散的方法在处理包含较多结构信息或大区域缺损图像时将产生平滑效应,效果并不理想。图像修复的另一类技术通过基于纹理合成的方法完成较大区域缺损图像的修复。此类方法以图像块为单位,利用已知图像信息合成图像缺损部分。其典型代表为Criminisi等提出的一种等照度线驱动的采样填充修复算法。该方法以优先权和样本块为关键因素,较好的完成了图像结构和图像纹理的传播。本文以Criminisi算法为基础,针对其不足,提出在优先权函数中考虑像素间颜色差值因素,利用梯度信息约束匹配块搜索方式,置信度项更新引入填充质量信息,通过上述改进措施获得了更加合理的填充次序和块匹配效果,具体说明如下：(1)Criminisi算法在修复含有强结构信息缺损图像时效果并不理想,因此本文提出在优先级函数中引入相邻已知像素间颜色差值信息,以使结构信息得以优先传播。待修复块内相邻已知像素间颜色差值大则表示此块内包含结构信息概率高,应优先修复。颜色差值信息项赋予图像包含强结构信息处更高修复权值。(2)基于纹理合成的图像修复算法中,通过计算目标块和源区域块对应像素颜色差值平方和来确定最佳匹配块。由于数字图像中重复信息和相似信息较多,当源区域中有多个样本块与待修复块颜色距离相同时,最佳匹配块随机确定。本文提出,当待修复块和多个相似源区域块已知像素颜色差值和相同时,比较这些最相似块的梯度距离。由于图像梯度可以反映像素间变化的程度,所以图像块中各已知像素点的梯度大小可以在某种程度上代表此区域的结构信息。(3)基于样本的图像修复算法中,置信度值更新是重要步骤。待修复块被填充之后,其像素信息变为已知,被填充像素置信度值应随之改变。Criminisi算法无分别的将该值设定为常值1。这种置信度值更新方式未考虑目标块填充质量,随着修复过程进行,填充次序可信度降低。算法提出引入目标块与已知块的相似程度信息,以期获得更加可靠的修复次序。通过上述定义,赋予高质量填充像素更大置信度值,包含这些像素的目标块得以优先修补。