TV模型在修复图像时对整个待修复图像进行迭代，文章提出了针对破损区域进行修复的局部修复模型，大大缩短了修复时间；并在有关改进方法的基础上，引入改进的相关度，使修复效果更好。实验结果表明，在迭代次数相同的条件下，该修复模型比TV模型和有关改进的TV模型的图像修复效果更好，所用时间更短。

用TV模型对彩色破损图像的修复，根据受损图像周围的已知有效信息（灰度及纹理）用图像修复的算法对破损区自动进行修复。从数学的角度来看，图像修复就是根据空白区域周围的信息将图象填入空白区域中，通常需要先确定修补的区域，然后根据修补区域周围的信息用图像修补算法自动恢复区域的信息。

图像修复算法中的TV模型的MATLAB代码，有灰度图像的，也有彩色图像的，有灰度图像的Lena图做测试。可运行，无错误。

针对Criminisi算法难以获得理想的修复效果，且存在修复时间过长等缺陷，提出一种改进Criminisi算法的图像修复算法。改进优先权计算方式找到最优待修复块，完善最优匹配块搜索策略，找到最优匹配块，采用新的置信值更新方式以获得更为理想修复效果，通过仿真实验测试算法性能，结果表明，相较于Criminisi算法，改进Criminisi算法不仅获得了较理想的图像修复效果，而且大幅度减少了修复时间，提高了图像修复的效果。

Criminisi算法进行灰度图像修复，Matlab编程，内含完整代码

为了有效地修复大面积破损的面部图像，使用了解码器-编码器结构的卷积神经网络作为生成模型，并在其部分层之间增加skip-connection，以增强生成模型的结构信息预测能力，同时引入对抗训练策略优化生成模型。该模型首先训练一个判别模型识别真实图像，再利用其判别待修复图像输入生成模型后所得到的输出是否为真实，以此为生成模型提供优化梯度。结合了卷积神经网络的结构信息预测能力和GANs对抗策略的优化能力，提高了图像补全的效果。在CelebA人脸数据集上进行的实验结果表明，该方法在补全大面积破损的图像任务上性能明显优于其他方法。

包含实现TV修复模型的核心代码，简单易懂。希望对大家有用！

在研究Criminisi修复算法的基础上，提出了改进的基于样本块的图像修复方法。根据图像的待修复面积及其纹理特征，自适应选取样本块大小，提高修复的速度；采用新的数据项，改进优先权公式，避免阶梯效应的产生；重新定义置信度的更新公式，引入曲率距离，减少因置信度更新而累计的误差，提高修复顺序的准确性。实验表明，改进的方法能够有效提高修复的效果，减少修复所需时间。

该文档包含TV模型的matlab代码，可以直接运行实现对灰度图像的修复，效果良好。

图像修复，纹理合成