图像修复指的是对图像中的损坏部分进行恢复。对手工绘制的图像而言，图像中丢失部分还原或特定目标去除的工作由技能娴熟的专业艺术品修复人员完成，这种方式一直延续到现在。随着数字图像的出现，图像修复技术也变得数字化与智能化，各种图像修复方法发展的非常迅速。但它们的主要思想都是从原有图像的其它区域中寻找适合的补丁修补到待填充区域，这种方法的局限在于原图像中找到的最佳补丁也不一定能够与待填充区域的周围背景相匹配。大数据时代，随着互联网通信与数据挖掘技术的迅速发展，实时获取并处理远程图像数据成为可能，图像补丁的选择范围可以扩展到海量图像中，这对修复效果的视觉感知无疑不是一种大的改善。本文以海量图像为背景，通过研究基于内容的图像检索技术与基于检索的图像修复技术，利用场景相似性与内容相似性特征检索出与原图像相似的样本图像，并提出一种效果更佳的图像修复方法。本文的主要工作如下：首先，利用全局与局部相似性特征进行逐级检索，作为找到补丁源的重要基础。第一级为以全局场景相似度为基础的图像检索：以GIST全局场景描述子为场景分类的主要特征，检索出与原始图像场景相似的样本图像。第二级为以局部背景相似度为基础的图像检索：以待填充区域周围的纹理为局部背景匹配的基础，在一级检索的结果图像中继续查找与原始图像待修复区域背景最匹配的场景图像。实验表明，这种逐级检索的方法能找到与原始图像既全局相似又局部匹配的样本图像，与单独的全局场景相似检索或局部相似检索相比，该方法能找到更适合的样本图像作为补丁源。其次，提出基于分块转移的图像自适应修复方法。将待修复区域划分成多块，按照大块优先的原则在样本图像中寻找与各块最匹配的区域进行转移，利用Graph‐cuts技术找到最佳接缝使补丁块与原图像无缝衔接，并分批次的将原图像中的颜色与色度特征转移到新加入的块中以减少边界两边的色差。这样可以避免待填充区域过大导致的找不到同样大小的块来填充的情况。相比于整块填充，该方法能取得更好的视觉效果。