近年来,由于计算机技术的蓬勃发展,数字图像处理技术引起各界专家学者更多的关心和注意。数字图像处理技术,在人们的日常生活中及其各个工作行业之中充当着不可或缺的角色。而随着海量数字图像的产生、储存和传输,图像在一定阶段受到外部因素的干扰无法避免,导致一些图像信息的缺失,由此产生了图像修复技术。图像修复,即指利用图像中未破损区域的信息,通过指定的修复规则,比如图像已知区域和破损区域的几何结构或统计特征存在一定的相似性等,来补全图像的破损区域,使破损图像经过修复看起来真实生动。目前,大多数现有的图像修复方法在重建图像结构时并不能令人满意,尤其是在图像重要部分缺失的情况下。有些方法着重在缺失区域和未受损区域之间重建连续、合理的结构,但在恢复图像纹理时,会产生与周围区域不一致的模糊纹理。为了使修复后的图像具有连续的结构和生动的纹理,本文提出了一种使用边缘预测和外观流的图像修复方法。本文的图像修复方法主要包括三个阶段:第一阶段是边缘生成器,首先使用RTV方法生成平滑图像,平滑图像可以代表原始图像的全局结构,然后通过Canny边缘检测器得到平滑图像的边缘图,边缘生成器通过预测代表全局结构的平滑图像缺失区域的边缘数据来逼近结构信息,从而得到图像的边缘结构;第二阶段是平滑结构重构器,将边缘图与破损的平滑结构图像叠加作为输入,通过结构生成器预测破损区域的平滑结构以恢复平滑图像的全局结构;第三阶段是纹理生成器,将破损图像及上阶段生成的平滑结构图像作为输入,经过编码得到对应的特征图,采用外观流生成表示图像各区域之间相关性的矩阵,即外观流场,外观流场用于将像素从源区域流动到目标区域,以生成生动的纹理;然后通过高斯采样将未破损区域的特征转移到破损区域,经过解码得到最后修复的图像,经实验验证具有外观流操作的纹理生成器可以在获得重建的结构图像后生成生动的纹理。本文方法选择Places2和Celeb A两个数据集进行实验。与现有方法相比,本文方法修复的图像结构更合理,纹理更生动,性能更好。