基于改进样本块的数字图像修复算法研究
基于样本块的图像修复方法
基于样本块的图像修复方法【摘要】基于样本块的图像修复方法是一种常用的图像修复技术，本文介绍了该方法的原理、步骤、应用案例、优缺点以及与其他方法的比较。
该方法通过利用图像中相似的样本块进行修复，能够有效地填补图像中的缺失部分并恢复图像的完整性。
在应用案例方面，基于样本块的图像修复方法在数字图像处理、医学影像分析等领域均有广泛的应用。
本文也分析了该方法的优缺点，以及与其他图像修复方法的差异。
结论部分着重探讨了基于样本块的图像修复方法的发展前景、重要性和应用价值，展示了该方法在图像处理领域的重要性和潜力。
【关键词】基于样本块的图像修复方法、图像修复、样本块、原理、步骤、应用案例、优缺点、比较、发展前景、重要性、应用价值1. 引言1.1 基于样本块的图像修复方法介绍基于样本块的图像修复方法是一种利用邻域信息和局部相似性对图像中缺失部分进行修复的技术。
在图像处理领域，图像修复是一项重要的任务，因为图像中常常存在着各种各样的噪声、损伤或缺失，而修复方法的效果直接影响到图像的质量和准确性。
基于样本块的图像修复方法通过分析图像中的局部区域信息，找到与缺失部分最相似的样本块，并利用这些样本块的信息来填补缺失部分，从而实现图像的修复。
这种方法主要依赖于图像中相似区域的存在性和相似性的传递性，通过对图像进行局部邻域搜索和匹配，实现对缺失部分的自动修复。
基于样本块的图像修复方法在图像恢复、图像修补、图像去噪等方面都有广泛的应用，可以有效地提高图像的质量和完整性。
这种方法还可以避免传统方法中可能引入的过度模糊或破坏图像细节的问题，具有更好的修复效果和保真度。
基于样本块的图像修复方法是一种有效的图像处理技术，具有重要的应用前景和研究价值。
在接下来的我们将详细介绍这种方法的原理、步骤、应用案例、优缺点以及与其他方法的比较。
2. 正文2.1 基于样本块的图像修复方法原理基于样本块的图像修复方法原理主要是基于图像局部相似性的假设，即图像中的相邻像素具有相似的颜色和纹理特征。
基于改进样本块匹配准则的图像修复
基于改进样本块匹配准则的图像修复【摘要】本文介绍了基于改进样本块匹配准则的图像修复技术。
首先从研究背景、研究意义和研究目的入手，阐述了该技术的重要性和应用前景。
接着对改进样本块匹配准则的原理进行了分析，解释了其在图像修复中的作用机制。
随后详细描述了基于该准则设计的图像修复算法，并通过实验结果与分析验证了其有效性。
进一步探讨了相关工作与比较，突出了该技术的优势和创新之处。
总结了基于改进样本块匹配准则的图像修复的优势，提出未来研究方向，并对整篇文章进行了结论总结。
本文为图像修复领域的研究提供了有益的理论支持和实践指导。
【关键词】基于改进样本块匹配准则、图像修复、算法、实验结果、优势、未来研究方向、结论、样本块匹配、准则、原理分析、相关工作、技术概述、研究背景、研究意义、研究目的、比较、分析。
1. 引言1.1 研究背景图像修复是数字图像处理中的重要任务之一，它主要是通过对受损图像进行恢复和重建，使其更加清晰和完整。
随着数字图像技术的不断发展，图像修复技术也得到了广泛的关注和研究。
研究背景一方面是由于实际应用中图像常常会受到各种噪声、失真和损伤的影响，需要进行修复和恢复；现有的图像修复算法在处理大规模图像时往往存在计算复杂度高、精度低等问题，需要不断探索和提出新的方法来改进图像修复的效果和性能。
目前，基于样本块匹配的图像修复技术已经取得了一定的成果，但是仍然存在一些不足之处，比如对样本块的选择和匹配准则的设计不够合理和有效，导致修复效果不够理想。
本文将在此基础上提出一种改进样本块匹配准则的图像修复方法，旨在提高图像修复的准确性和效率，为实际应用提供更好的支持和帮助。
1.2 研究意义图像修复是计算机视觉领域的重要研究课题，其在各种领域具有广泛的应用价值。
随着数字图像的广泛应用，图像数据中往往会存在缺失、损坏等问题，导致图像质量下降，影响后续应用和分析。
图像修复技术的研究具有重要的实际意义。
图像修复技术可以提高图像的质量和清晰度，使得图像更加逼真和易于识别。
基于改进样本块的数字图像修复算法研究
中图分类号 ： ＴＰ ３ １ ７ ． ４
文献 标 识 码 ： Ａ
文章编号 ： １ ６ ７ ２ — ７ ８ ０ ０ （ ２ Ｏ １ ３ ） ０ ０ １ ０ — ０ １ ５ ６ － ０ ３
Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅ Ｊ ］ ． Ｃ Ｃ Ｉ Ｓ ， ２ ０ １ １ ， ４ ７ ０ — ４ ８ ４ ． Ｉ － ２ ］ ＭＥＮ Ｇ， ＹＵ— ＸＩ Ｎ． Ｔｈ ｅ ｐ ｒ ａ ｃ ｔ ｉ ｃ ｅ ｏ ｎ ｕ ｓ ｉ ｎ ｇ ｉ ｎ ｔ ｒ ｕ ｓ ｉ ｏ ｎ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ Ｅ Ｊ ］ ． Ｉ ｎ —
法， 通过计算样本 的填充次 序 ， 将 源 图 像 区 域 的 纹 理 与 结
０ 引言
图像 修 复 是 根 据 已 知 信 息 推 断 缺 损 信 息 的 过 程 。对
数 字 图像 进 行 修 复 ， 修 复 的 内容 是 对 数 字 化 的 图像 作 品进 行处理 ， 其 中对 图像 作 品 的处 理 主要 针 对 原 图 中损 坏 的 部 分， 如划 痕 、 污点等 ， 将 其 从 原 图 中擦 除 ， 然 后 对 该 区域 进 行 修复 ， 使 得 在 与 原 图 图 像 保 持 一 致 的前 提 下 ， 具 有 较 好 的观赏效果 。 目前 ， 国内 外 学 者 对 图像 修 复技 术 的研 究 主 要 集 中 在一下几个方面 ： 基 于 样 本 块 操 作 的方 法 、 基 于 像 素 操 作 的 方 法 和 基 于 图 像 分 解 的 方 法 ］ 。相 对 其 他 方 法 ， 基 于 样 本 块 的 图像 修 复 算 法 是 一 种 综 合 效 果 表 现 优 良 的 图 像 修 复方法 ， 最 常用 的算 法是 基 于样 本块 的 纹理 合 成算 法。 。 （ 简称 Ｃ ｒ ｉ ｍｉ ｎ ｉ ｓ ｉ 算法 ） 。它 是 一 个 单 独 有 效 的纹 理 合 成 算 固 。对 于联 动 开 放 使 用 的端 口， 非 常 重 要 的保 护 方 法 是 增 加 一个 包 过滤 规 则集 ： 只有 主机 入 侵 检 测 模 块 可 以连 接 到 端 口的单 向 通信 ， 其 它 主 机 的访 问是 被 禁 止 的 。
基于样本块的图像修复方法的改进
Ｋｅ ｏｄ ：ｓｍｐ ａ ｈ ｙｔｅｉｉｆｒ ａ ｏ；ｉ ｐ ｏ ；ｒｄｎ ａｃ；ｃｒｅｒ ｅ ｅｋＳ ｎｌｏＮ ｉ ａ ｏ Ｐ Ｎ ） ｙｗ ｒ ｓ ａ ｌ ｐｔ ；ｓ ｈ ｓ ｏ ｔ ｎ ｓ ｈｔ ｅ ｕ ｄｎｙ ｕｖ ｔ；Ｐ ａ ｉ ａ ｔ ｏ ｅＲ ｔ（ Ｓ Ｒ ｅ ｃ ｎ ｓｎ ｍ ｉ ｏ ｅ ａ ｇ ｓ ｉ
（ｈｎｏ ｇｈ ＠ １３ ｃｒ ｃｅｌｎａｕ ６ ．ｏ ） ｎ
摘
要 ： 于纹理合成 的图像修复 算法适合 大面积信 息缺损 区域的修 复。基 于 Ｃｉ ｉｉ 算法 ， 基 ｒ ｎｓ ｍ ｉ 通过对数据项 的
重新定义 。 从结构和纹理上对 图像进行修复 。改进算 法在搜 索最佳样本 块 时， 考虑 到样本块 所含 已知像 素点 的信 息
第 ３ 卷增刊 １ １
２１ ０ １年 ６月
计算机应 用
Ｊｕｎ ｌｏ ｏ ｕｅ ｐｉａｉｎ ｏ ｒａ ｆＣ ｍｐ ｔｒＡｐ ｌ ｔ ｓ ｃ ｏ
Ｖｏ ． Ｓ ｐｐ ． １ ３１ ｕ １ １
பைடு நூலகம்
Ｊ ｎ ０ ｌ ｕ ｅ２ １
文章编号 ： ０ — ０ １ ２ １ ） １— ０ ７— ３ １ １ ９ ８ （ ０ １ Ｓ ０４ ０ ０
ｆ ｒ ｕ ａ ｗ ｓｏ ｔ ｉｅ ．Ｉ ｒ ｅ ｏ ｓ ｏ ｅ ｐ ｏ ａ ａｉ ｎ ｏ ｒｏ ｅ ｐ ａ ｉｇ ｔ ｅ ｃ ｎ ｄ ｎ ｅ ｔｒ ｏ ｍ ｌ ａ ｂ ａｎ ｄ ｎ ｏ ｄ ｒｔ ｍｏ ｔ ｔ ｒ ｐ ｔ ｆｅ ｒ ｒ ｈ ｈ ｇ ｏ ｗｈ ｎ ｕ ｄ ｔ ｈ ｏ ｆ ｅ ｃ ｅｍ，ａ ｎ ｗ ｆ ｒ ｌ ａ ｅ ｎ ｎ ｉ ｅ ｏｍｕ ａｂ ｓ ｄ ｏ ｃ ｒ ｅ ｒｔ ａ ｅ ｎ ．Ｂａ ｅ ｎ ｐ ｅ ｉｕ ｎ ｏ ｅ ｔ ｃｕ ｅ ａ ｄ ａ ｅ ｎ ｘ ｒ ｎｓ ｅ ｓ ｔ ａ ａ ｔｒ ｒ ｏ ，ｗ ｔ ｕ ｖ ａｅ ｗ ｄ ｆ ｅ ｓ ｉｄ ｓ ｄ Ｏ ｒ ｖｏ ｓｍｅ ｔ ｎ ｄ ｓｒ ｔｒ ｆ ｒｍａ ｙ ｅ ｐ ｉ ｉ ｕ ｎ ｔ ｅ ｍｅ ｔ，ｂ ｔ ｒ ｍｅｅ ｓｗｅ ｅｇ ｔ ｉ ｉ ｆ ｐ ｈ
基于样本块的图像修复方法
基于样本块的图像修复方法图像修复是一种重要的数字图像处理技术，其主要目的是修复原始图像中存在的缺陷或损伤，使得图像质量得以改善。
图像修复方法主要分为基于样本块的图像修复方法和基于深度学习的图像修复方法两大类。
本文将重点介绍基于样本块的图像修复方法。
基于样本块的图像修复方法是一种常用的图像修复技术，其主要原理是通过分析图像中存在的缺陷部分，并利用邻近像素的信息进行修复。
该方法借鉴了人类视觉系统的工作原理，利用图像中已有的内容信息进行修复，从而使得修复后的图像在视觉上更加自然和真实。
基于样本块的图像修复方法主要包括以下几个步骤：邻域搜索、样本块选择、权值计算和图像修复。
需要在图像中对缺陷部分进行邻域搜索，找到与缺陷部分相似的样本块。
然后，从邻域中选择合适的样本块，利用其信息进行修复。
接下来，需要计算选定样本块在修复目标点的权重，以确定修复结果的合理性和准确性。
利用选取的样本块和对应的权重进行图像修复，使得缺陷部分的像素值得以恢复。
基于样本块的图像修复方法具有许多优点，例如可以在不需要参考图像的情况下进行修复，能够较好地保持图像的结构和纹理信息，适用于各种不同类型和大小的缺陷部分。
该方法对计算资源的要求相对较低，运行速度较快，能够在实时图像处理中得到应用。
在实际图像修复应用中，基于样本块的图像修复方法可以通过不同的算法和技术实现。
最常用的方法之一是基于块匹配算法的图像修复方法。
该方法通过在图像中搜索与缺陷部分相似的块，并利用这些块的信息进行修复，实现对图像的缺陷部分精确和快速的修复。
还可以利用基于相似性的样本块选择和基于纹理合成的修复技术对图像进行修复。
基于样本块的图像修复方法在许多领域中得到了广泛的应用，例如医学影像学、卫星遥感、数字摄影等。
在医学影像学中，图像修复可以帮助医生更好地观察病灶部分，提高诊断准确性。
在卫星遥感中，图像修复可以帮助提高卫星图像的质量和分辨率，增强地理信息分析的准确性。
在数字摄影中，图像修复可以帮助修复老照片或者损坏的照片，使得其恢复原有的美观和质量。
基于样块改进的图像修复算法
基于样块改进的图像修复算法王一卜;白艳萍【摘要】图像修复是指对图像破损区域进行填充或者将图像中多余物体进行移除.在Criminisi算法的基础上进行改进,在待修复块优先权的计算过程中,由于等照度线的曲率可以反映图像的局部特征,块与块之间的方差值可以反映图像的边缘信息,因此,将二者考虑进来,确保修复过程能够准确有序地进行.在寻找最佳匹配块时,将等照度线的曲率也作为一个因素增加进来,有效地提高了最佳匹配块搜索的精确性.经过仿真实验证明,改进后的算法不仅在PSNR值上比原算法有所提高,而且修复结果也比原算法更加准确可靠.%Image inpainting refers to filling the damaged areas of the image or removing the redundant objects from the image. Conduct some improvements on the basis of Criminisi algorithm. As the curvature of equal illumination can reflect the internal characteristics of the image,variance value between the block and block can reflect the image edge information,adding them to the calculation of the priority of the repair block to ensure the inpainting can conduct accurately and orderly. When searching for the best matching block,the curvature of the equal illumination is added as a factor. The accuracy of searching for the best matching block is effectively improved. After the simulation experiment,the improved algorithm not only prove the PSNR value than the original algorithm,but also the obtained results are more accurate and reliable than the original algorithm.【期刊名称】《火力与指挥控制》【年(卷),期】2017(042)003【总页数】5页(P55-58,63)【关键词】图像修复;优先权;等照度线曲率;最佳匹配块【作者】王一卜;白艳萍【作者单位】中北大学理学院,太原 030051;中北大学理学院,太原 030051【正文语种】中文【中图分类】TP181图像修复是图像处理的一个重要分支，主要用于修复破损图像，移除图像中的多余物体等。
基于样本块的图像修复方法
中 图 分 类 号 院 TP391 . 41
文献标识码院 A
DOI 院 10 . 19694 / j . cnki . issn2095 - 2457 . 2019 . 33 . 009
文 章 编 号 院 2095 - 2457 渊2019冤33-0021-003
使 修 复 后 的 图 像 符 合 人 眼 视 觉 的 连 续 性 和 合 理 性 袁最 终 和 填 充 破 损 区 域 信 息 袁寻 找 最 佳 匹 配 块 袁并 将 完 好 的 匹
达 到 改 善 图 像 的 视 觉 效 果 遥 图 像 修 复 结 果 不 具 有 唯 一 配 块 信 息 填 充 到 对 应 破 损 区 域 的 位 置 上 袁逐 次 迭 代 完 成
technologyvision科技视界损区域面积较大时遥本文首先介绍了基于样本块的图像修复方法的基本原理袁以及最新研究进展袁结合算法的局限性袁讨论了改进思路和方法袁并对图像修复的发展趋势进行了展望遥1基于样本块的图像修复算法基于样本块的图像修复方法是以样本块为基本单元袁分别给予待填充样本块的中心像素一个灰度值和一个置信度值遥临时对填充边缘的样本块赋予一个的优先权值袁通过优先权值的大小顺序来确定样本块被填充的顺序遥再通过ssd匹配原则袁寻找与之最为相似的源匹配块袁将最佳匹配块的纹理信息和结构信息复制填充到待修复块中袁已填充像素块的置信度值需要重新更换袁以此完成一次修复遥按照同样方法袁逐步对破损区域进行推进式填充袁直至最后完成整幅图像的填充遥算法步骤处理如下院员冤计算优先权并确定待修复样本块遥在图像待修复前缘选择一点p则p点的优先权为院p渊p冤c渊p冤d渊p冤渊1冤其中袁c渊p冤为p点的置信度项袁d渊p冤为p点的数据项遥通过计算填充边缘点的优先权函数值的大小袁确定优先权函数值最大的那个点所在的样本块袁作为最先需要填充的样本块遥处于连续边缘上和被高置信度像素包围的图像块袁其优先权值较大袁将最先被填充袁因此会更好地保持图像的结构信息和纹理信息遥圆冤确定最佳匹配块和填充待修复块遥根据ssd渊sumofsquareddifference匹配原则袁在图像整个完好区域内找出与样本块最相似的匹配块袁并将最佳匹配块的结构信息和纹理信息复制给待填充样本块遥猿冤更新置信度项遥优先权值最大的样本块被填充之后袁更新已填充样本块的置信度项重复以上三个步骤袁直至最终填充完毕遥2基于样本块的图像修复方法的改进分析综合分析基于样本块的图像修复方法的基本原理袁我们从该算法所涉及的影响像素运算的因素袁得出四个可改进的方面院优先权函数尧匹配原则尧更新原则和自适应原则遥21优先权函数优先权函数的计算在图像修复的整个过程中尤为重要遥优先权值决定着图像样本块填充的次序袁影响着图像的最终视觉效果遥图像修复过程中袁随着填充的进行袁置信度项的可信度值越来越小袁甚至出现骤降为零的情况袁进而使得图像块填充次序混乱袁后期填充图像严重模糊袁而修复面积越大出现置信度骤降为零的概率越大遥即使遇到线性结构丰富的区域袁图像块也不能被优先填充袁严重影响了图像修复的效果遥另外袁若样本块处等照度线方向与该中心像素块的法线方向垂直袁不管此时的置信度项值多大袁数据项和优先权值都为零袁失去了
基于样本块的图像修复方法改进研究
基于样本块的图像修复方法改进研究李亚楠【期刊名称】《山西科技》【年(卷),期】2015(0)5【摘要】ABSTRACT:As an important branch in image processing techniques, the image inpainting technique, which has a wide range of applications in all industries, has already became a research hotspot in the computer graphics and computer vision area. This paper mainly introduces the algorithm of exemplar patch based image inpainting, and carries out the improvement of the matching order of this method.%图像修复技术作为图像处理技术中一个重要分支，在各行各业有着广泛的应用前景，已经成为当前计算机图形学和计算机视觉的一个研究热点。
重点介绍了基于样本块的图像修补算法，并对该方法的匹配顺序进行了改进。
【总页数】3页(P115-116,117)【作者】李亚楠【作者单位】太原理工大学，山西太原，030024【正文语种】中文【中图分类】TP391.41【相关文献】1.基于改进样本块的数字图像修复算法研究及 GUI 设计 [J], 徐溪;刘雅楠;李靖宇;刘铭;臧浩男2.基于样本块的图像修复方法的改进 [J], 陈龙;熊辉;汪继文3.基于样本块的图像修复方法的改进 [J], 陈龙;熊辉;汪继文4.基于改进样本块的数字图像修复算法研究 [J], 郭勇;王梅5.改进的基于样本块的图像修复方法 [J], 常晨;何建农因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于改进样本块的数字图像修复算法研究
摘要：针对已有的基于样本块的纹理合成修复算法存在修复误差累积高的问题，重点研究了一种改进的基于样本块的数字图像修复算法。
通过块匹配法与边缘驱动填充顺序的结合、全局搜索与局部搜索的结合，充分发挥修补过程中填充优先权的作用，有效地修补了图像受损区域的纹理和结构信息。
仿真实验结果测试表明，与已有的传统算法相比，受损图像的修补更加完善，修复的误差累积得到了较好的改善。
关键词：图像修复；纹理合成；Criminisi算法；样本块；优先级0引言
图像修复是根据已知信息推断缺损信息的过程。
对数字图像进行修复，修复的内容是对数字化的图像作品进行处理，其中对图像作品的处理主要针对原图中损坏的部分，如划痕、污点等，将其从原图中擦除，然后对该区域进行修复，使得在与原图图像保持一致的前提下，具有较好的观赏效果。
目前，国内外学者对图像修复技术的研究[1]主要集中在一下几个方面：基于样本块操作的方法、基于像素操作的方法和基于图像分解的方法[2]。
相对其他方法，基于样本块的图像修复算法是一种综合效果表现优良的图像修复方法，最常用的算法是基于样本块的纹理合成算法[3]（简称Criminisi算法）。
它是一个单独有效的纹理合成算法，通过计算样本的填充次序，将源图像区域的纹理与结构信息传播，实现缺损区域的修复。
但是，算法的修复结果在纹理结构交界的地方
出现了较为明显的误差，而且这种不合理的修复顺序会导致纹理不在理想的方向达到延伸，修复过程增加了误差累积。
针对这些问题，本文研究了改进的Criminisi算法，由于通过块匹配法与边缘驱动填充顺序的结合、全局搜索与局部搜索的结合，在修复过程中还考虑到了填充顺序，使得图像边缘及纹理都衔接得较为自然，较大程度上改善了修复效果。
1Criminisi算法原理
1.1Criminisi算法模型
Criminisi[4]算法模型是在纹理合成的基础上，通过计算样本的填充次序，将源图像区域的纹理与结构信息通过
样本直接拷贝的方式逐步地迭代到修补区域。
该修补模型对于修补区域较大的纹理与带有简单的线性结构图像有着很好的修复效果。
基于样本的图像修复算法中的相关符号，如图1所示。
1.2基于样本块的Criminisi图像修复算法步骤
1.3Criminisi算法修复结果分析
为了验证本章所讨论的基于样本块算法的性能，在计算机上进行了大量仿真实验。
实验所用的计算机配置为Inter Pentium T4400CPU，主频2.2GHz，1024MB内存，仿真软件为由图2所示，基于样本块的图像修复算法可以根据破损边缘各点的优先权来确定修复顺序，由于考虑了图像的结构信息传播，因此对于结构性的纹理具有良好的修复效果。
从图3可以看出由于受损图背景的纹理结构较复杂，受损的面积较大，Criminisi算法的修复结果在纹理结构交界的地方出现了较
为明显的误差。
并且，算法中最优匹配像素块的搜索是在整幅图像的已知信息区域中进行的，所以整体上算法执行的时间较长；同时，如果待修复的区域中包含曲线结构，或者图像的已知信息中不包含与破损信息相似的信息，或者破损区域中包含很强的结构信息，修复的结果可能出现较大的误差。
优先值改进以后，由图4可以看出，该算法对于图像受损比较严重、纹理背景复杂的图像也有较高的修复质量。
如图4（c）中的目标物细节，以及图像背景的清晰度和还原度都比原Criminisi算法修复的效果更好。
3结语
本文在研究和分析了传统的基于样本块的纹理合成修复算法的基础上，针对算法出现的误差累积，进而影响到算法修复精度的问题，提出了一种Criminisi改进算法，通过优先值计算策略的改进，可以使得算法更精确地获取填充位置，从而提高算法的精度。
仿真结果以及对比表明，本文提出的改进算法在图像算法的修补质量上都有了较大的提高。
参考文献：
[1]MARCELO BERTALMIO，GUILLERMO SAPIRO，VICENT CASELLESETAL.Image inpainting[J].In Proceedings of ACM SIGGRA PH 2000，Press，2000：417424.
[2]张红英.数字图像修复技术的研究与应用[D].成都：电了科技大学，2006.
[3]李一析，陈国良.基于样图的纹理合成技术研究[D].合肥：中国科学技术大学，2006.
[4]A CRIMINISI，P P EREZEXEMPLARBASED IMAGE，K TOYAMA.Region Filling and Object Removal Inpainting[J].IEEE Transactions on image processing，2004，13（9）：12001212.
[5]薛峰，张佑生.基于样图的纹理合成技术研究[D].合肥：合肥工业大学，2006.
[6]Y XU，B GOU，H Y SHUM.Chaos mosaic：Fat and Memory Efficient Texture Synthesis[J].Tech.Rep.MSRTR，2000（32）：456469.
[7]D J HEEGER，J R BERGEN. Pyramidbased texture analysis/synthesis[J].In SIGGRAPH'95.1995（2）：229238.
[8]D BONET，JEREMYS.Multiresolution sampling procedure for analysis and synthesis of texture Images[J].SIGGRAPH'97 Conference Proceedings，1997（12）：361368.。