图像修复技术，一般地，是指对图像中指定信息缺损区域进行视觉上合理填充以恢复图像完整性的过程，并且观察者事后难以察觉图像曾经缺损或被修复，从而达到各种特定的图像处理目的。数字图像修复技术相比手工修复而言，具有更高的执行效率和更广泛的应用场合，因此近年来已经俨然成为机器视觉领域新兴的研究热点。目前该项技术在文物字画的修复、多余目标移除、老旧影片处理、视频隐私保护、图像有损压缩、电影特效制作、多媒体通信的错误隐藏等方面，都具有相当不错的实用价值和广阔的发展前景。目前基于能量最小化的全局优化技术则成为图像修复领域新的研究方向，因为该技术通常能够获得相当优秀的修复结果。基于能量最小化的图像修复框架包括两个部分：基于GrabCut技术的修复对象抽取和基于Priority-BP技术的修复区域填充。前者是以Graph cuts全局优化算法为核心的图像分割技术，以较小的人工交互代价快速，准确地勾勒出修复对象的精确范围。而为了进一步改善对象抽取质量，颜色的RGB计算空间更换为CIE空间。后者则是以Belief propagation全局优化算法为核心的图像修复技术，具体采用的是Komodakis提出的基于优先度的消息传递和动态标号删减的修改版本的BP算法。并且可以利用前面修复对象抽取给出的交互约束信息，可以用来进一步限制Priority-BP算法的标号空间大小，从而再次提高算法的运行效率。系统运行效果表明，以较小的交互代价分割出待修复对象，减少了人工确定的负担，增加了图像修复系统的实用性和灵活性。而CIELab颜色空间模型计算改善了图像对象抽取效果，更重要是利用对象抽出所产生的交互信息来约束基于Priority-BP的图像修复算法的标号采样空间，则提高了修复的速度。