针对BSCB模型在修复图像时会使处理后的区域产生模糊的缺点,分析其产生的原因,并在此基础上提出了一个新型的偏微分方程--邻域差值扩散模型.该模型重新定义了图像修复过程中所使用的扩散信息和扩散方向,在很大程度上避免了BSCB模型模糊问题的出现.实验表明,邻域差值扩散模型改善了图像修复的效果,使修复后的图像无论在平滑区域还是边缘区域都很清晰.

为了增强图像修复的效果,结合传统的K-SVD修复算法原理,提出一种基于聚类的修复算法。在稀疏表示理论基础上,根据图像块之间存在的相似性,引入均值聚类算法对图像块进行分类,然后利用K-SVD算法获得各个图像块的数字字典,以此填补丢失的像素,达到对图像进行修补的目的。通过实验表明,基于均值聚类的K-SVD算法不仅能保持原始图像的结构,还可对原始图像中的细节部分进行修复,具有较好的修复效果。