胡德敏，胡钰媛，褚成伟，胡 晨

(上海理工大学 光电信息与计算机工程学院，上海 200093)

1 引 言

图像修复[1,2]是数字图像处理技术的一个重要分支，指通过图像中未受损的信息对受损区域进行演算从而得到最佳修复效果.这一问题多年来受到图像处理和计算机视觉界的高度关注，并在该领域取得了关键进展[3].

基于补丁[11]的方法使用从相同或其他图像提取的图像块，以便在缺失区域中合成纹理，大多数方法解决了涉及缺失区域中的像素值以及类似图像块搜索的优化问题.由于相似的图像补丁搜索，该优化问题具有很强的非凸性，过早导致局部最小值出现，远离大缺失区域边界的像素几乎不受边界条件的约束，因此基于补丁的方法容易从其他区域复制不可信的纹理.通常采用人工标注的方法，反复标记这些故障区域，直到算法给出满意的图像，但容易造成边界模糊且人工过程繁琐.

我们在基于补丁的图像修复基础上，提出了一种具有修复区域故障自动检测的处理方法，用于提高现有图像修复算法的结果质量.通过训练卷积神经网络(CNN)来完成对于补丁的故障检测，自动确定故障区域，将检测到的故障区域进行迭代修复，逐步减少故障区域，得到图像修复的最佳结果.通过实验将其与手动标记方法和非迭代方法进行了比较.结果表明，相对于其他修复结果，该方法能在一定范围内降低故障像素与原始缺失区域的面积……