数字图像和视频修复是指利用有效的算法自动修补图像或视频内指定的破损区域的计算机技术。修复技术在我们日常生活中有着广泛的应用,比如书籍、壁画的复原;老照片、老电影的修复;目标移除和恢复压缩传输所造成的丢失。随着人们生活物质条件的提高,人们的需求也越来越多样,因此,数字图像和视频修复有着广阔的应用前景,成为计算机视觉、图像处理和视频处理的热门研究领域之一。通过对国内外修复算法的研究发现,Criminisi算法能完成大面积破损的图像修复工作,但该算法仍存在着不足之处,本文改进了该算法并应用到图像修复和视频修复中。本文对Criminisi算法所做的改进有如下4点:(1)修复之前,利用Kriging模型对图像破损区域进行拟合预处理,该处理能模糊的恢复破损区域原有的样貌,消除检测图像边缘时破损边缘带来的影响。(2)该算法随着迭代进行,置信度骤然减小趋近于0,这导致衡量图像块可信程度的置信度项性能下降。本文提出了置信度改进函数,用同一边界点不同大小邻域窗下的置信度的差值衡量图像块是否有更高的可信度。如果该图像块更值得被信赖,则引入参数提高置信度的可信程度。(3)Criminisi算法选取尺度固定不变的图像块为修复单元,在不同图像纹理结构下,该方法不能自适应调整图像块大小。本文应用Facet模型进行边缘检测,并选取0度、90度、45度和135度四个方向,每个图像块的结构可由Facet模型进行衡量,对纹理图像选取更大尺度的块进行修复。(4)Criminisi算法在寻找最优匹配块的策略上过于单一。Criminsi算法的匹配函数仅利用了图像灰度,没有考虑图像自身结构信息,寻找到的最优匹配块可能因结构不相似造成修复结构不连贯。本文对灰度度量函数SSD加入了Facet结构信息,提出WSSD最小化匹配策略,在考虑灰度的同时加强了对图像结构的重视。上述的改进算法提升了Criminisi算法的性能,为充分利用其优势将该算法应用于视频修复。本文所做工作有如下2点:(1)充分利用视频的时间相关性,同一场景下帧间图像可提供更多的可用信息,因此,最优匹配块的搜索范围扩展为多帧图像。(2)该方法适用于处理摄像头慢速移动下的视频或目标移动速度较慢的视频。利用视频帧间的高度相似性及慢速变化性,待修复块的最优匹配块从多帧的局部邻域搜索。为保证匹配数据充足,提出自适应调整搜索窗尺度。这不仅能找到有效的匹配块同时还有效的压缩了时间,对修复老电影中的斑块有着重要意义。实验表明,本文提出的基于改进的混合Criminisi算法的图像修复和应用改进的混合Criminisi算法的快速视频修复在修复效果上的表现都较为突出。