图像修复是对图像缺失信息区域进行信息填充,使填充后的图像接近或达到一定的视觉质量,在文物保护,破损图像修补和复原,目标障碍物剔除以及高分辨率图像再现上有着重大的应用和研究价值。Criminisi图像修复算法和基于块结构稀疏度稀疏图像修复算法是2类典型的基于纹理合成的图像修复方法,相对于传统变分PDE图像修补技术在大范围破损或富纹理缺失区域的具有较好的修复质量。然而传统Criminisi修复算法依然存在很多不足:①优先权模型中置信项在多次迭代后急剧下降趋于零值,而数据项保持平稳变化,使得数据项受制于趋于零值的置信项,优先权计算不再可靠,导致错误填充顺序;②在修复时并未对待修补块信息进行具体分析,易将纹理部分误认为边缘部分而出现纹理延伸;③在图像已知信息区域(含已修补区域)寻找合适匹配块会带来高昂匹配代价。而基于块结构稀疏度图像修复算法存在的问题是:①仅根据梯度幅值变化进行边缘纹理分析会导致边缘检测误差;②仅采用图像灰度值信息欧氏距离来衡量图像块间相似度易导致待修复图像内结构断裂;③同传统的Criminisi修复算法一样,在全局范围内搜索匹配块也进一步增加了算法的时间复杂度。针对传统Criminisi修复算法优先权不合理且不能自适应地计算易导致错误填充和纹理延伸问题,而在更新已知区域全局匹配,不仅提高了时间复杂度也降低了匹配准度,而对搜索空间阈值限制则会降低修复质量。针对以上问题,提出一种自适应梯度分类匹配的改进Criminisi修复算法。所提方法首先将图像初始已知区域像素按梯度直方图划分为平滑、纹理和边缘3种类型;其次结合自适应块分类优先权函数来克服纹理延伸问题;最后由梯度估计待修补块类型和自适应块大小函数来保证待修补块只在初始已知区域对应大小的类型块中匹配来提高匹配效率和避免使用新增已知区域。实验表明所提方法较好克服了纹理延伸和时间复杂度高等问题并提高了修复质量。针对传统基于块结构稀疏度的稀疏图像修复算法存在的边缘检测误差、待修复图像内结构断裂以及全局搜索所带来的高昂匹配代价。本文给出了一种基于Sobel和Laplacian算子的改进梯度优先权模型的稀疏图像修复算法。所提方法首先利用Sobel算子和Laplacian算子与图像进行卷积运算得到2个梯度图,并通过逐点相乘构造乘积梯度图;其次由乘积梯度图构造样本块相似度准则函数,改进块结构稀疏度计算公式用以提高待修复块结构稀疏度值以及确定样本块所处区域特征;最后根据待修复图像样本块结构稀疏度值来确定搜索区域大小,提高搜索效率。实验表明,该算法较对比算法能够更好地保持结构部分的连贯性及与邻域信息的连续一致性,提高了修复质量同时降低时间复杂度。与所提出的自适应梯度分类匹配的改进Criminisi修复算法相比,具有更好的修复质量。