摘要: 数字图像的修复是指由于图像缺损、用户调整指定的缘故而对目标区域进行修复或填补的过程，是静态和动态数字图像编辑中的一项关键技术，具有非常重要的理论和应用价值。其核心问题是如何保证修复后的图像能够保护原有的图像细节特征，避免视觉上重要... 展开 数字图像的修复是指由于图像缺损、用户调整指定的缘故而对目标区域进行修复或填补的过程，是静态和动态数字图像编辑中的一项关键技术，具有非常重要的理论和应用价值。其核心问题是如何保证修复后的图像能够保护原有的图像细节特征，避免视觉上重要的物体和周围物体的不融合现象，保持目标图像内容的完整性和一致性。如何根据图像的具体内容计算填充顺序和具体的填充方法是当前解决本问题的两种有效思路，因此得到了科研人员极大的关注。 本文针对图像修复的两种粒度：像素级修复和块级别，分别提出了基于内容自适应的图像修复方法，它们分别是基于非局部均值模型的图像修复理论和基于多尺度块显著性的图像补全方法。前者是针对结构性图像中小块区域，主要思想是通过引入非局部均值模型计算权值，然后通过边缘引导的快速步进法来规定修复顺序，从而保持边缘特征。其次，在块优先级显著度模型中，借鉴了显著度的定义，提出了一种多尺度块显著性策略，引入多尺度可以进一步降低背景像素的显著度，提高显著物体和非显著物体的差异性，根据此种显著度来计算块优先级，从而可以保持先结构后纹理的填充顺序，并且介绍了一种随机采样的方法来搜索并匹配块，以加快待处理块的填充速度，此种方法不仅可以处理结构图像，也可以修复纹理图像；通过实验验证和对比结果表明，本文提出的基于非局部均值模型和基于多尺度块显著性的图像修复方法，能够获得高质量的修复图像，满足图像编辑与处理等实际应用的需求。 收起