李权锋

摘  要： 图像修复是指将信息缺失的图像进行像素填充以达到人类视觉满意的效果。文章对该领域研究的相关技术进行综述：首先描述了传统的图像修复方法，接着描述了基于深度学习的图像修复方法，介绍各类方法的适用范围及优缺点，最后对未来的研究方向及重点提出展望。

关键词： 图像修复; 深度学习; 卷积神经网络; 自编码网络; 生成式对抗网络

中图分类号：TP391.4          文献标识码：A     文章编号：1006-8228（2021）12-06-04

Abstract： Image restoration is to fill the missing image with pixels to achieve the satisfactory effect of human vision. This paper reviews the related technologies in this field： firstly， it describes the traditional image restoration methods， and then describes the image restoration methods based on deep learning， introduces the application scope， advantages and disadvantages of various methods， and finally puts forward the prospect of future research direction and focus.

Key words： image restoration; deep learning; convolutional neural network; self-coding network; generative adversarial network

0 引言

生活离不开图像，图像作为反映客观世界的重要载体，是人类接收外界信息的重要来源和手段。现实生活中，我们会遇到一些信息缺失的图像，此时就需要我们对图像进行修复。传统的图像修复依据纹理一致性和内容相似性，采用数学推断的方法，根据图像受损尺度的不同而采取不同的修复方法。传统的图像修复虽然可以较好地修复场景图像，但是它却不能够对图像语义信息进行修复。

近年来，深度学习得到快速的发展，在许多领域取得了较大的成功。利用深度学习技术可以获取图像语义信息，并预测出缺失的语义内容，解决传统图像修复方法的不足，使得修复的结果更加符合客观事实。本文对传统的图像修复方法与基于深度学习的图像修复方法的研究進展做整理和归纳，并对未来研究的方向与发展趋势进行探讨。

1 传统图像修复方法

1.1 基于结构的图像修复方法

Bertalmio等人[1]提出BSCB模型，采用扩散的原理，沿着等照度线方向从图像受损区域的邻近区域平滑地传播信息，对受损区域进行估计填充。……