原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
图像修复是为了补全图像的破损区域或信息缺失区域，进而得到理想的视觉效果。目前修复损坏的图像方法可以大致分为3种：1)基于偏微分方程的修复方法；2)基于图像样本块的纹理合成算法；3)基于神经网络的图像修复算法。其中，基于偏微分方程方法仅适用于小区域图像修复，如附加文字、噪声、划痕去除等，目前已基本成熟。传统基于样本块的纹理合成算法只能从破损图像中提取有用信息，信息来源有限，无法修复复杂的结构和纹理信息。而基于深度学习的图像修复算法虽然可以获得更多的有用信息，但训练时间长，纹理合成效果往往不够理想。
为解决上述问题，本文提出一种破损图像的相似度计算方法，通过在数据库中寻找相似图像来为图像修复提供更
文档评论（0）