何 凯，刘 坤，沈成南，李 宸

(天津大学电气自动化与信息工程学院 天津 南开区 300072)

图像修复是为了补全图像的破损区域或信息缺失区域，进而得到理想的视觉效果。目前修复损坏的图像方法可以大致分为3 种：1)基于偏微分方程的修复方法；2)基于图像样本块的纹理合成算法；3)基于神经网络的图像修复算法。其中，基于偏微分方程方法仅适用于小区域图像修复，如附加文字、噪声、划痕去除等，目前已基本成熟。传统基于样本块的纹理合成算法只能从破损图像中提取有用信息，信息来源有限，无法修复复杂的结构和纹理信息。而基于深度学习的图像修复算法虽然可以获得更多的有用信息，但训练时间长，纹理合成效果往往不够理想。

为解决上述问题，本文提出一种破损图像的相似度计算方法，通过在数据库中寻找相似图像来为图像修复提供更多的有用信息。使用基于图像配准的方法实现破损图像与其相似图像的粗略对齐。最后，通过改进最佳匹配块搜索方法和匹配准则来提高纹理合成效果。仿真实验结果证明了本算法的有效性。

1 大区域图像修复算法

文献[1]提出了基于图像样本块的经典纹理合成修复算法，利用图像待修复区域周围的纹理结构信息，计算优先权和相似度，从中提取特征对破损区域进行修复，可以获得比较理想的图像修复效果。在此基础上，研究者提出了许多改进算法，例如：文献[2]重新定义了优先级计算函数，可自适应确定样本块大小；……