近周期结构在自然界中广泛存在,其检测已成为计算机视觉中的关键问题。近周期结构的检测与去除涉及到计算机视觉中分割和充填两大部分。其中近周期结构的检测具有很大的挑战性,因为目前的分割方法大部分是基于颜色的,基于近周期结构特性的分割方法还不纯熟。此外由于近周期结构占图像的比例较大,对充填方法提出了很高要求。本文提出一种全新的近周期结构去除方法,主要包括两部分,近周期结构检测和缺失区域恢复。首先用改进的超像素方法分割图像,得到较小的超像素块,并将得到的超像素块进行外接矩形拟合。通过这些外界矩形的长宽比得到近周期结构位置处的外接矩形。基于采样的颜色信息可以聚集得到近周期结构初采样模型。在该采样模型上用Multi-RANSAC同时拟合多条直线,Moving Least Squares(MLS)精确刻画近周期结构的曲线模型。对该曲线膨胀即为近周期结构。去除近周期结构后的残缺区域可以通过低秩的方法基于相似块充填。此外,可将近周期结构粘贴在风景图上,并做一些虚实处理,得到有艺术效果的图片。实验结果表明本文算法能够精确的检测到近周期结构,残缺区域的恢复效果很好。与相关的检测分割方法对比结果显示,当背景颜色和近周期结构颜色相似时,无论是在主观还是客观的评价体系下,本文算法都是最优的。