王嵩，肖娟

（湘南学院计算机与人工智能学院，郴州 423000）

0 引言

图像修复是数字图像处理技术的一项重要内容，核心思想是利用图像中的现有信息来填补破损区域，使修复后的图像满足人眼视觉要求［1］。基于纹理合成的图像修复算法，主要应用于填补待修复图像中存在的较大面积破损，此类算法中比较有代表性的是Criminis等提出的融合纹理合成和Inpainting技术于一体的基于样本块纹理合成的修复技术［2］。在破损区域覆盖多类物体时，此算法修复后往往出现结构失真。很多学者针对此不足，从不同角度提出了一些改进算法［3-5］。

图像修复的过程主要是以图像已知区域的像素信息为参考，恢复出破损区域的信息。前段提及的两类经典修复算法，都需要根据一定的假设前提依靠邻域信息来进行修复。而在信息量缺失过多的情况下，仅依靠图像自身内容进行修复的算法均难以达到理想的效果。针对此类情形，若能找到与待修复图像风格相似的图像，就能够获取额外的信息量，为修复提供指导。因此，多源图像修复将是一个非常有实用价值的研究方向。

本文提出一种基于多类标决策树和区域匹配的图像修复算法。将一幅包含若干内容对象的图像看作具有多个类标的集合，图像中的每个对象归属于一个类标。选取多幅源图像进行均匀划分，得到的每一个图像块作为训练样本，将每一个图像块的颜色和纹理特征提取出来作为样本的属性集，并通过K均值聚类获取每个样本的多类标集，构建具有源图像颜色及纹理信息的多类标决策树；……