Earticle

현대 미술에서 페인트 도장은 색상 표현을 넘어 작가의 미적 의도를 드러내는 주요 매체로 활용되지만, 외부 환경에 취약하여 시간이 지남에 따라 도장층의 박락⋅변색⋅균열 등 손상이 발생 한다. 전면 재도장은 원본성 훼손과 윤리적 문제를 야기하기 때문에, 본 연구는 최정화 작가의 <내일의 꽃>(2015)을 대상으로 인페인팅(inpainting) 기반 부분 보존처리 방법론을 제안하였다. 손상 유형 별로 국소 부위는 직접 도장, 넓은 부위는 사전 제작한 페인트 필름을 적용하는 차별화된 전략을 수립하였으며, 유화 및 지류 보존 기법을 응용하여 방법론을 정립하였다. 또한 Plextol B500, Neutral pH Adhesive, Loctite 401의 적용성을 평가한 결과 Plextol B500이 투명성⋅가역성⋅재접착성에서 가장 적합하였고, 손상 유형에 따라 적절한 보존처리를 수행할 수 있었다. 도장층의 두께⋅질감⋅색 상을 동시에 재현하는 보존 방안을 제시함으로써, 국제적으로 논의되는 지속 가능한 보존의 흐름과 맞닿아 있으며, 플라스틱 기반 도장작품을 포함한 근현대 미술작품의 보존에 유용한 지침으로 활용 될 수 있을 것이다.

In contemporary art, painted surfaces function as both practical layers of color and as manifestations of an artist’s aesthetic intent. However, painted layers on sculpture substrates are highly vulnerable to environmental factors, often leading to delamination, discoloration, and cracking. Their full repainting poses concerns regarding authenticity and conservation ethics. This study explores an inpainting-based local conservation methodology applied to Choi Jeong Hwa’s <Flowers of Tomorrow> (2015). Localized paint losses were treated through direct inpainting, while areas of extensive damage were addressed using prefabricated paint films, thus combining and adapting techniques adapted from easel painting and paper conservation. Three adhesives—Plextol B500, Neutral pH Adhesive, and Loctite 401—were e valuated f or u se in t his project. Plextol B500 d emons trated t he m os t balanced performance in terms of transparency, reversibility, and readhesion. The proposed methodology enables a faithful reproduction of the thickness, texture, and color of the original paint layers while supporting the long-term stability of painted sculpture. In alignment with international trends in sustainable conservation, this study provides practical guidelines for the conservation of plastic-based painted works and, more broadly, modern and contemporary art.

본 연구에서는, 사전 정보 학습을 통한 사이노그램 도메인에서의 저선량 CT 재구성을 수행하였다. 해당 복원 방법은 희소 데이터의 성질과 사전에 특성에 대한 성분을 훈련 시킨 정보를 기반으로 학습된 정보를 사용한다. 제안된 재구성 알고리즘을 구현하고 희소 뷰 CT 재구성에 대한 유용성을 입증하기 위해 수학적인 팬텀을 사용하여 체계적인 시뮬레이 션을 수행하였다. 제안한 방법의 타당성을 검증하기 위해 필터링 후 역투영법 (FBP)을 통해 재구성된 영상과 제안하는 방법으로 재구성한 영상의 품질을 조사하였다. 우리의 결과는 FBP 기반의 재구성 방법에 의해서 적은 투영 데이터에서 도 줄무늬 아티팩트를 줄이는데 효과적인 것으로 나타났다.

In this study, we perform a low-dose reconstructed CT with inpainting technique usint the dictionary learning in sinogram domain. This restoration method is based upon the representation learning using a dictionary functions and property of sparse data. We implemented the proposed reconstruction algorithm and performed a systematic simulation using a numerical phantom to demonstrate its viability for sparse-view CT reconstruction. The reconstruction qualities for the two reconstruction techniques of filtered back-projection (FBP) and proposed method were investigated. Our results demonstrate that the proposed approach seems to be effective for reducing the streak artifacts considerably in sparse-view CT reconstruction.

본 연구는 회화 문화유산을 활용한 상업 디자인 생성을 위한 인공지능 기반 손상 복원 프레임 워크를 제시한다. 회화 문화유산은 표면 오염과 변색 등의 누적된 손상으로 인해 직접적인 디자인 생성 시 결과물의 품질이 저하되는 문제를 보인다. 이를 해결하기 위해 본 연구에서는 생성 디자인 알고리즘 적용 전에 손상 영역을 주변 정보를 활용하여 자동 복원하는 인페인팅 기법의 전처리 과정 을 도입하였다. 오픈소스 인페인팅 도구를 활용하여 광범위한 손상 유형을 복원하였으며, 손상된 회화와 복원된 회화로부터 각각 생성된 디자인을 비교 분석하였다. 그 결과, 인페인팅 전처리가 디자 인의 시각적 품질을 현저히 향상시키는 것으로 나타났다. 복원된 회화로부터 생성된 디자인은 텍스 타일, 패키징, 인테리어 자재 등 다양한 제품 범주에 적용되었으며, 현대 디자인 시장의 품질 기준을 충족하였다. 본 연구는 문화유산을 현대 상업 디자인으로 재해석할 수 있는 방법론을 제시하며, 문화 적 가치를 보존하면서도 상업적으로 활용할 수 있는 디자인 개발의 가능성을 보여준다.

This study proposes an artificial intelligence–based framework for restoring damaged painted cultural heritage to facilitate commercial design generation. Painted cultural heritage often suffers quality degradation in generated designs owing to accumulated damage, such as surface contamination and discoloration. To address this issue, we incorporate a preprocessing stage using inpainting techniques that automatically restore damaged areas using contextual information from surrounding areas before applying generative design algorithms. Various damage types were addressed using open-source inpainting tools, followed by a comparative analysis of designs generated from original damaged and restored paintings. Results indicate that inpainting preprocessing significantly enhances the visual quality of designs. Designs generated from restored paintings were successfully applied across product categories—including textiles, packaging, and interior materials—satisfying contemporary market standards. This methodology offers an approach to reinterpreting cultural heritage in modern commercial design, highlighting the potential for creating viable products while preserving cultural value.

견본 회화 문화재의 보존처리의 보견작업에 적합한 자외선 인공 열화견을 얻기 위해 자외선의 종류, 자외선 조사 시간에 따른 열화견의 물리적 특성과 견본 회화 보존처리에의 적용성을 평가하였다. 장파장 자외선(UV-A) 조사 열화견은 단파장 자외선(UV-C) 조사 열화견에 비해 자연상태에서 열화가 일어난 생견과 유사한 표면 손상 형태를 보였다. UV-C 열화견은 자외선 조사와 함께 강도가 급격하게 떨어져 54시간을 조사하였을 때 원래 강도의 12.7%까지 저하한 반면 UV-A 열화견은 168시간 조사하였을 때 원래 강도의 14.2% 수준으로 떨어져 강도 저하가 완만하였다. UV-A 열화견의 수분율은 자외선 조사시간의 증가와 함께 7.3%까지 떨어지다가 증가하지만 UV-C 열화견은 6.0%까지 떨어지다가 다시 증가하였으며 전체적으로 UV-A 열화견의 수분이 높았다. UV-A 열화견은 밝은 황색을 띠며 황변지수가 낮은 반면 UV-C 열화견은 어두운 황갈색이며 황변지수가 높았다. 견본 회화 보존처리에의 적용성을 평가한 결과, UV-A 열화견은 UV-C 열화견에 비해 황변에 의한 색상차가 크지 않아 보견 작업시 염색이나 보채에 크게 문제가 되지 않을 정도이며, 강도면에서 UV-C 열화견은 섬유가 부서지기 쉬운 상태인 것과는 달리, UV-A 열화견은 자연상태에서 열화가 일어난 생견과 유사한 속심이 살아있는 듯한 느낌을 띠었다. 그리고 UV-A 열화견과 UV-C 열화견 모두 친수성을 가져 보채에는 문제가 없었다. 전반적인 평가 결과 UV-C 열화견 보다 UV-A 열화견이 견본 회화의 보견에 사용하기 적합하였다.

A study was done to compare the properties of artificially deteriorated silk with ultraviolets for reinforcing of loss area of paintings on silk. Deteriorated surface of raw silk irradiated by long-wavelength ultraviolet(UV-A) than short-wavelength ultraviolet(UV-C) was similar to naturally aged raw silk. UV-A irradiation raw silk was slowly decreased in tensile tenacity and elongation and lowered in yellowness index than that of UV-C. Water content of UV-A irradiation raw silk than that of UV-C was higher. UV-A irradiation raw silk had no problem in dyeing and inpainting for conservation because of low yellowness index. UV-C irradiation raw silk was brittle, but UV-A irradiation raw silk was seemed to tough and similar to naturally aged raw silk. Korean painting conservator estimated that UV-A irradiation raw silk was more proper for reinforcing of loss area of paintings on silk than that of UV-C.

The thangka image inpainting method based on wavelet transform is not ideal for contour curves when the high frequency information is repaired. In order to solve the problem, a new image inpainting algorithm is proposed based on edge structural constraints and wavelet transform coefficients. Firstly, a damaged thangka image is decomposed into low frequency subgraphs and high frequency subgraphs with different resolutions using wavelet transform. Then, the improved fast marching method is used to repair the low frequency subgraphs which represent structural information of the image. At the same time, for the high frequency subgraphs which represent textural information of the image, the extracted and repaired edge contour information is used to constrain structure inpainting in the proposed algorithm. Finally, the texture part is repaired using texture synthesis based on the wavelet coefficient characteristic of each subgraph. In this paper, the improved method is compared with the existing three methods. It is found that the improved method is superior to them in inpainting accuracy, especially in the case of contour curve. The experimental results show that the hierarchical method combined with structural constraints has a good effect on the edge damage of thangka images.

Image inpainting is a process of reconstructing the missing pixels by inferencing information from the known part of an image. This paper aims to increase the precision of depth inpainting by proposing four models based on kriging techniques. Our four kriging models are based on two different semivariance models (exponential model and spherical model) and two different color-similarity functions. The inpainting algorithm is designed to extract both color and depth information of RGB-D images. For efficiency assessment, we look at Root Mean Square Error (RMSE), Structural Similarity Index Measure (SSIM), and Peak Signal to Noise Ratio (PSNR) of the reconstructed images. We then make a performance comparison with the previous six conventional methods. Finally, we show that our implemented models outperform the conventional ones. The accuracy of our four kriging models is competitive, and the PSNR values lie between 30.81 to 45.46 dB.

Image restoration has been carried out by texture synthesis mostly for large regions and inpainting algorithms for small cracks in images. In this paper, we propose a new approach that allows for the simultaneous fill-in of different structures and textures by processing in a wavelet domain. A combination of structure inpainting and patch-based texture synthesis is carried out, which is known as patch-based inpainting, for filling and updating the target region. The wavelet transform is used for its very good multiresolution capabilities. The proposed algorithm uses the wavelet domain subbands to resolve the structure and texture components in smooth approximation and high frequency structural details. The subbands are processed separately by the prioritized patch-based inpainting with isophote energy driven texture synthesis at the core. The algorithm automatically estimates the wavelet coefficients of the target regions of various subbands using optimized patches from the surrounding DWT coefficients. The suggested performance improvement drastically improves execution speed over the existing algorithm. The proposed patch optimization strategy improves the quality of the fill. The fill-in is done with higher priority to structures and isophotes arriving at target boundaries. The effectiveness of the algorithm is demonstrated with natural and textured images with varying textural complexions.

This work presents a novel fine-tuning scheme for enhancing the quality of Subject Driven Image Generation. Motivated by recent works on fine-tuning pre-trained diffusion models, we extract information from visual patch embedding to optimize the performance of the image encoder in our proposed method. Additionally, the loss function of the conventional Unet model is replaced with Masked Diffusion Loss. During inference time, the model can control degree of similarity between result image and reference image by using Classifier - Free Guidance method. Experimental results indicate that the proposed model exhibits improved image generation quality in comparison to the previous schemes.

영상 인페인팅(image inpainting)은 영상에서 훼손된 부분을 복원하거나 영상 내의 불필요한 문자나 특정 물체를 제거한 후 삭제된 영역을 자연스럽게 채우기 위해 널리 사용되는 기법이다. 예제기반 인페인팅은 비어있는 영역에서 어떤 부분부터 채울 것인지를 결정하는 패치 우선순위 결정과 결정된 패치를 어떤 패치로 채울 것인지 결정하는 패치탐색의 두 부분으로 구성되어 있다. 기존 예제기반 인페인팅에서는 패치 내의 알고 있는 영역의 화소 값만을 이용하여 유사패치를 탐색한다. 이는 패치의 일부분만 이용하여 비교하게 되므로 비교 대상이 아닌 영역에 상관성이 없는 화소 값을 갖는 패치가 선택될 수 있다. 이를 개선하기 위해 본 논문에서는 패치외삽을 이용한 예제기반 인페인팅 방식을 제안한다. 제안 방식은 우선순위가 결정된 패치에 대해 패치 내 이미 알고 있는 영역의 화소 값을 이용하여 패치 내 비어있는 영역의 화소 값을 외삽 방식으로 예측치를 구하여 채운 후 유사 패치를 탐색한다. 실험 결과를 통해 제안방식이 기존 예제기반 인페인팅 방식에 비해 자연스러운 결과 영상을 얻을 수 있음을 보여준다.

Image inpainting is the widely used technique to restore a damaged region or to fill a hole in an image. The exemplar-based technique effectively generates new texture by copying colour values of the most correlated patch in the source into the empty region of the current patch. In traditional exemplar-based synthesis, the patch correlation is computed using only the already filled pixels of the current patch. Thus, by ignoring the correlation between the hole regions of the two patches, an undesirable patch which is highly correlated with the current patch in the already filled area but considerably dissimilar in the area to be filled can be selected, which results in bad texture propagation. To avoid such problems, a new exemplar-based inpainting method using patch extrapolation is proposed. The empty part of the current patch is extrapolated beforehand, and then the complete patch is used for finding its exemplar. Experimental results show that the proposed method provides more natural synthesis results than the conventional ones.

이미지 인페인팅은 손상되거나 가려진 영역을 시각적으로 자연스럽게 복원하는 데 사용되는 핵심 기술이다. 초기 인페인팅 연구는 패치 기반 기법이나 텍스처 합성 방식에 의존했으나, 최근에는 GAN, Auto-Encoder, Transformer 기반의 딥러닝 모델이 도입되며 큰 성능 향상을 이루었다. 그러나 이 러한 모델들은 높은 복원 품질을 달성하기 위해 복잡한 네트워크 구조와 다단계 추론이 필요하며, 이 로 인해 과도한 연산 자원이 요구된다는 한계가 존재한다. 본 논문에서는 연산 효율성과 복원 성능의 균형을 달성하기 위해, 경량 인페인팅 모델인 WavePaint를 개선한 WaveSwin-Paint모델을 제안한 다. 제안하는 모델은 Wavelet 기반 다중 주파수 표현의 효율성과 Swin Transformer의 지역-전역적 문맥 이해 능력을 결합하여, 경량 구조하에서도 고품질의 복원 결과를 보여준다. 특히, Wavelet 변환 의 이미지 특성 추출 능력을 극대화하여 분해된 주파수 대역에 대해 Swin Attention을 적용함으로써, 세부 텍스처와 전체 구조의 복원 성능을 동시에 향상시킨다. 제안한 모델은 기존 인페인팅 모델 대비 파라미터 수를 크게 줄이면서도, 다양한 마스크 유형과 복잡한 이미지 상황에서도 강인한 성능을 보인다.

피부영상에서 털 제거는 자동화된 피부진단을 위한 필수적인 전처리 과정이다. 기존의 털 제거 기법은 대부분 영상 처리에 기반한 방식이었지만, 털이 많은 피부에는 성능이 크게 저하되는 문제점이 있다. 다른 접근방식으로서 심층 학습 모델에 기반한 인페인팅 기법을 고려할 수 있는데, 털이 많은 피부영상 학습 데이터의 부족으로 인하여 심층학 습 기반 털 제거 모델은 거의 보고된 바 없다. 본 논문에서는 피부영상에서 털 제거를 위한 영상 인페인팅 기법으로 서 트랜스포머 기반 심층학습 모델인 BAT-Fill의 적용성을 평가한다. BAT-Fill은 양방향 자기회귀 트랜스포머 (BAT) 기반의 거친 네트워크와 생성적 적대 신경망(GAN) 기반의 정제 네트워크로 구성되어 있다. 인페인팅은 일 반적으로 이웃 픽셀의 특징으로부터 점차적으로 채워가는 방식으로 이루어지는 반면, 가느다란 털이 많이 분포되어 있는 피부에서는 이웃 피부의 특성을 정확하게 추출하기 어렵다. 트랜스포머는 서로 다른 영역 사이의 유사성을 학 습하여 피부를 복원하는 방식으로서, 전역적인 피부 특징으로부터 지역적인 피부 특성을 정확하게 복원하는 것을 가 능하게 한다. 모델에 대한 성능 평가 결과, BAT-Fill이 기존 방법에 비해서 PSNR 및 SSIM에서는 유의미한 차이 가 없었으나 FID에서는 피부영상 털 제거에서 실감성과 인지적 품질이 향상되었음을 보여준다.

Hair removal in skin images is the essential preprocessing task for automatized skin cancer detection. Most existing methods for hair removal are based on image processing, but their performance tends to be significantly degraded in hairy skin images. As an alternative, an image inpainting approach based on deep learning can be taken into account, while few deep learning models for hair removal have been reported due to the lack of datasets. In this paper, we evaluate the applicability of BAT-Fill which is a transformer-based deep learning model as an image inpainting method for hair removal in skin images. BAT-Fill consists of not only the coarse network based on bidirectional autoregressive transformers but also the refinement network based on generative adversarial network (GAN). While a typical process of image inpainting is to progressively fill the inner hidden block using the properties of neighbor pixels, it is challenging to accurately extract the skin properties of neighbor pixels when hairs are largely distributed. The transformer is a solution for reconstructing the skin texture by learning the similarity of pixel properties between two distant areas, where local skin textures can be accurately predicted using global skin properties. The model assessment shows that BAT-Fill is effective to enhance the perceptual quality of the hair-removed image as it exhibits significant improvement in FID although it does not in PSNR and SSIM.

이미지 기반의 인공지능 모델 연구가 비약적으로 발전하며 높은 성능을 기록하고 있지만 데이터 일부가 가려진 폐색(occluded) 이미지의 경우 여전히 인공지능 모델의 추론 성능이 떨어지는 문제가 존재하고 있다. 이를 해결하기 위해 일부 폐색된 이미지를 복원하는 알고리즘을 제안하고자 한다. 본 연구에서는 뉴럴 프로세스를 통해 다른 개체에 의해 가려지거나 녹이 슬어 이미지 일부가 제대로 인식되지 않는 표지판 이 미지 개체를 선명하게 복원하는 알고리즘을 제안한다. 뉴럴 프로세스 모델로 복원된 이미지와 원본 이미지를 비교해 네트워크를 학습시킨다. 학습된 모델의 복원 성능을 평가하여 뉴럴 프로세스를 활용한 이미지 복원 방법의 적용 가능성을 연구하고자 한다. 해당 방법론은 다른 이미지 기반 태스크에 적용되어 인공지능 모델의 성능을 향상시킬 수 있을 것으로 예상되며 전동 킥보드나 자전거와 같은 개인형 모빌리티에도 충분히 적용할 수 있을 것으로 기대된다.

효과적인 영상 복원을 달성하려면 모델이 맥락정보(contextual information)를 파악하는 것이 중요하다. 합성곱 신경망(CNN) 기반 알고리즘을 사용한 이전 연구는 장거리 종속성이 부족하여 모델이 상황별 정보를 캡처 할 수 없다는 한계에 직면했다. 이를 해결하기 위해 본 논문에서는 고품질 영상 복원을 위한 다중 차원의 윈도우 (Multi-Scale Window) 기반 비전 트랜스포머 모델을 제안한다. 다중 차원 기반 비전 트랜스포머를 도입함으로써 다양한 창 크기의 영향을 반영하고 이에 따른 맥락정보를 얻을 수 있다. 또한 손실 마스크 업데이트 모듈을 적용 하여 효율적인 연산방식을 도입하였다. 실험 결과에 기반하면 본 논문의 제안 모델은 누락된 영역을 효과적으로 복원하고 벤치마크 데이터셋에서 FID 수치가 다른 최신 복원 모델들의 결과에 비해 약 50%이상 낮은 것으로 확 인 되었다. 이는 제안 복원 모델의 우수성을 검증한다고 할 수 있다.

To achieve successful image inpainting, it is crucial for a model to understand contextual information. Previous research using Convolutional Neural Network (CNN)-based algorithms have limitations in capturing context-specific information due to a lack of long-range dependencies. To address this issue, we proposes a Multiscale Window based Vision Transformer (MWVT) model for high-quality image completion. By introducing a multi-dimensional vision transformer, the proposed MWVT can capture context information by using various window sizes, resulting in the reflectance of their respective influences. Furthermore, our MWVT incorporates a mask update module to reduce the computational cost. According to our experiments, the proposed model in this paper effectively restores the missing area and the FID value in the benchmark dataset is about 50% lower than the results of other state-of-the-art restoration models.

이상 감지는 비디오 프레임에서 정상 이벤트에서 벗어난 이상 영역의 위치를 찾아내거나 또는 주어진 이미지에 대한 이상 상황 분류 문제에 중점을 둔다. 최근에는 입력 영상과 재구성 영상의 차이를 계산하여 이상 영역을 탐지하기 위해 오토 인코더 또는 UNet과 같은 딥 러닝 모델을 사용하는 접근 방식이 많이 제안되었다. 이러한 접근 방식은 오토 인코더 또는 UNet과 같은 모델이 비정상적인 영역에 대해서는 재구성할 수 없다고 가정한다. 그러나 이러한 접근 방식은 자동 인코더 또는 UNet가 가지는 높은 일반화 성능으로 인해 이상 영역도 정상 영역과 마찬가지로 충분히 잘 재구성하여 차이가 두드러지지 않는 문제가 흔히 발생한다. 이러한 문제를 해결하기 위해 본 연구에서는 이미지 영역의 특정 부분들을 제거하고 제거한 부분들에 대해 인페인팅 기법을 적용해 다시 이미지를 재구성하는 고급 이상 탐지 방식을 채택하였다. 또한, UNet 모델을 좀 더 개선한 모델인 ResUNet++를 이상 탐지 네트워크로서 사용하였다. 본 연구의 실험에서는 이상 탐지 분야에서 자주 사용되는 데이터 셋 중 하나인 UCSD Ped2 데이터 셋을 사용하였다. 실험 결과 본 연구에서 제안한 ResUNet++를 사용한 모델이 이상 영역을 잘 감지할 수 있음을 확인하였다.

This paper presents the evaluation of two approaches, widely used in the inpainting literature, applied in the context of the atmospheric noise removal, such as fog, clouds - dense and sparse - and shadows, which often occur in remote sensing images. The presence of such elements aect, in many ways, the image processing in an environmental or urban monitoring, and also in the steps of the digital image processing, suchlike segmentation and classication. Whilst one approach uses a technique of interpolation for the dissemination of information by a multidimensional Discrete Cosine Transform (DCT) smoothing method, the other one is based on second-order partial dier- ential equations methods (PDE). This PDE-based development uses the heat diusion and thin-plate spline methods to achieve their solutions with the aid of the nite-dierence method. To proceed the methods evaluation, this work uses the kappa coecient and the Peak Signal-to-Noise Ratio index (PSNR). The metrics indicate the eectiveness of the DCT strategy, which produces higher quality images, specially when comparing the results obtained by the use of dierential equations modeled by thin-plate spline. The visual aspect of images is clearly an important factor for measuring the eectiveness of any image processing, so, in addition to numerical metrics, are presented the nine images used to evaluate both methods.

Due to the changes in viewpoint, holes may appear in the novel view synthesized by depth-image-based rendering (DIBR). A hole-filling method combining disparity-map-based hole-filling and inpainting is proposed. The method first eliminates matching errors in destination image according to the disparity map. Then, holes are classified into different types according to their sizes. Finally, a disparity-map-based approach and an improved exemplar-based inpainting algorithm are used to fill different types of holes according to the type of hole. Experimental results show that the artifacts at the edge of foreground objects can be reduced in synthesized view since the matching errors are eliminated before hole-filling. In addition, the proposed method can achieve more natural and satisfactory results in filled areas in comparison with the disparity-map-based approach and Gautier’s inpainting algorithm, though it may result in higher time complexity.

Image inpainting is an important research topic in the field of image processing. The goal of inpainting is to recover the lost information of the target region from the rest of the image. Inpainting techniques can be applied in areas such as old photo restoration, object removal and demosaicing. Based on previous literatures of image inpainting and image modeling, we categorize inpainting processes of different methods and algorithms into the structure layer and the texture layer. Then the mathematical inpainting models and the formations of image impairment are analyzed and evaluated in detail. Experimental results are provided in the fifth section regarding to eight different algorithms measured by Peak Signal to Noise Ratio (PSNR) as well as direct visual perception.

We propose a novel image inpainting approach in which the exemplar and the sparse representation are combined together skillfully. In the process of image inpainting, often there will be such a situation: although the sum of squared differences (SSD) of exemplar patch is the smallest among all the candidate patches, there may be a noticeable visual discontinuity in the recovered image when using the exemplar patch to replace the target patch. In this case, we cleverly use the sparse representation of image over a redundant dictionary to recover the target patch, instead of using the exemplar patch to replace it, so that we can promptly prevent the occurrence and accumulation of errors, and obtain satisfied results. Experiments on a number of real and synthetic images demonstrate the effectiveness of proposed algorithm, and the recovered images can better meet the requirements of human vision.

Image inpainting is a technique of filling unknown image region with known information from the surrounding of the unknown region in such a way that the result is logically accepted. Texture and structure completion in inpainting method is the main challenge in image inpainting and it is still an open problem to be tackled in the near future. In this paper, we propose a new inpainting algorithm based on morphological erosion and dilation. The erosion operation are used to shrink the unknown area and the dilation operation are used to take the information and texture of the surrounding area. The proposed method shows some promising results in synthetic, texture and natural image.