随着数字化进程的推进,数字图像和视频逐渐成为了信息交流的主要载体。对数字图像和视频的处理技术也取得了极大的发展与成就。其中,数字图像和视频修复技术是通过已知区域的信息来填补图像和视频中丢失的信息,试图将缺损的图像还原成未污染的图像。车载视频图像记录了汽车在行驶过程中的行车环境。在镜头采集视频过程中会沾染到污迹,而污迹的存在对视频图像造成了污染,本文针对视频图像中的固体污迹进行了检测和修复,试图还原被污迹污染的部分。(1)本文介绍了数字图像和视频修复的背景和国内外的研究现状。介绍了数字图像和视频修复的定义和相关的视觉理论,并对常用的比较典型的图像修复算法和视频修复算法进行了分析和比较。(2)在图像采集过程中会存在一些噪声干扰,本文使用中值滤波的方法对图像进行处理以消除这些干扰。另外,本文对基于Fisher准则函数的图像分割方法进行了改进,使用自适应阈值完成分割。另外还提出了一种在时间域上的分割方法,采用连续帧差方法消除图像中的运动物体,保留固定不变的污迹部分。并在时间域上进行统计,只有在一段时间内被判定为污迹的概率超过80%时才被标记为污迹,从而实现对污迹的准确分割。最后经过形态学处理得到最终的检测结果。(3)由于固体污迹在图像中一般为大片黑色区域,因此选取了一种去除大面积区域的图像修复算法——Criminisi算法对污迹图像进行修复。结合车载视频中污迹的特性,本文对该算法进行了一些改进:为保证图像中结构信息的完整,对该算法的优先权函数进行改进,增加了结构信息的权重。另外,将其全局搜索方式改为局部搜索,提高了搜索效率。在目标块和匹配块的匹配过程中,加入几何距离作为参数,使得匹配的结果更准确。为进行视频修复,保证时间连续性引入了帧间信息修复。本文列举了多种情况下的污迹情况,证明了检测和修复算法的可行性,改进的修复算法能够更准确的修复图像中的污迹区域。(4)最后是本文研究工作的总结和未来研究方向的展望。希望本文提出的修复方法能够应用到更多的领域,也希望污迹去除的问题可以得到更快速更有效的解决办法。