视频修复(Video inpainting)是指替换或重建视频信息中含有丢失或损坏部分的过程,通过使用合适的修复方法,利用已知视频帧信息去修复缺失区域,使得修复后的视频在视觉上有这着令人愉悦的观赏效果。视觉信息是人们获取信息的主要来源方式,视觉信息包括图片信息、文字信息与视频信息等。其中视频信息由于其获取的便捷性和观赏性更高,成为目前信息载体的主流方式,因此,随之共生的视频修复问题也是极其重要的。在生活的各个领域,视频修复都在扮演着举足轻重的角色,例如修复受损的老电影、去除视频中的障碍物或人、更改视频故事等。而在视频修复过程中,其中十分重要的工作就是对齐操作和图像块匹配(PatchMatch)过程。对齐精度是后续修复过程的基石,而是否匹配到正确的图像块则直接决定最终的修复效果。众所周知,当摄像机运动是绕定点旋转或者场景是平面亦或运动范围很小时,可以用全局Homography来描述摄像机运动,然而,当摄像机运动不满足这些限制时,采用全局Homography近似摄像机运动会带来较大的误差,直接影响后续的视频修复效果。在图像块匹配算法中,例如Brate force算法,一般以枚举和穷尽的方式,算法虽然简单,但十分浪费时间;而基于运动一致性的方法中对于待修复的目标图,只能在单幅图像中查找;另外一般基于优化的方法在搜索和迭代过程中只接受比当前值更优的解,容易陷入局部极小值点。针对视频修复过程中的以上问题,本文主要做了以下三部分的工作:(1)提出了一种基于局部模型对齐的动态视频修复方法;对于摄像机运动范围较大的情况,本文采用局部Homography来对齐视频帧,其中局部模型的对齐精度与特征点的数量和分布密切相关,所以本文在局部模型的估计中融合了一种基于运动一致性的对应点匹配方法,这种算法大幅度增加了特征点的匹配数量,从而提高了算法的对齐精度。实验结果表明,本文提出的基于局部模型的对齐方法提高了视频对齐精度,从而有效地改善了视频修复性能,扩大了传统视频修复方法的适用范围。(2)提出了一种基于蝙蝠优化的图像块匹配算法;本算法受图像修复思路的启发,采用启发式的思想在当前视频帧或图像库中查找最相似的图像块来填充待修复区域,该算法在传统的BA算法中构造混沌函数并构造新的位置定位系统,在搜索阶段扩展为多张参考图。实验证明该算法的修复效果比经典PatchMatch算法的图像评价指标更高,视觉效果更好。(3)开发了一个动态视频修复系统,该系统的具体功能包括,视频预处理模块、视频帧对齐模块、裁剪模块、修复模块、整合视频模块,改变视频速率模块等等,实验表明,该系统可靠性高,具有很强的实用性。