图像修复技术是计算机视觉和图像处理领域中的研究重点,广泛应用于人们的生活和工作中。其目的是为了恢复信息缺损的图像或对目标物体进行移除,让观察者无法用肉眼看出图像曾经缺损或有修复的痕迹。图像修复的方法主要分为基于偏微分方程的修复算法和基于纹理的修复算法,由于前者不能有效修复受损区域较大的图像,因此基于纹理的图像修复逐渐成为该领域的主流算法。本文对图像修复及图像纹理的背景知识进行相关介绍,深入研究了几种典型的图像修复算法,并给出相应的仿真结果,同时,本文针对Criminisi算法中出现的修复顺序不准确以及影响图像修复结果的因素等问题,提出了两个改进的修复算法。一、基于纹理的图像修复方法,主要工作如下:1.通过对Criminisi算法的研究,探索其存在的问题,利用实验数据,分析优先权函数中置信度和数据项对修复顺序造成的影响,为论文后续的研究提供了依据。2.考虑图像的纹理结构特征,改进数据项中梯度算子的计算模型,引入影响因子,充分利用图像中的已知信息改进优先权模型,使其计算结果更加精准有效。3.提出更新置信度的新方法,引入Prewitt算子计算梯度,减少在更新过程中因目标块和样本块之间的差异而累计的误差,实验证明改进的Criminisi修复算法效果更好。二、基于扩散因子的自适应图像修复算法,做了如下工作:1.根据大量的实验和数据分析,得到图像破损面积及其纹理特征值与最优样本大小选择之间的关系,自适应选择最优的样本块大小,实验证明其对纹理结构较规则的图像进行修复时,能够提高修复的速度和效果;2.引入偏微分模型中两种平滑扩散因子,能够沿着图像的结构特征,按特定的方向,将周围的已知信息平滑延伸至待修复区域,通过实验选择合适的权重,替换数据项,定义新的优先权公式,取得了更好的修复效果;3.避免因置信度的急剧衰减而导致的错误修复顺序,改进置信度更新方式,得到更为合理的修复顺序。实验结果证明,综合这些改进,无论是对受损区域的修复还是对大目标物的移除,改进的算法在修复效果和速度上都有明显的提高。