基于优先级-置信传播(prior-Belief Propagation)的图像修复算法,有着其他算法不可比拟的优越性:其既能处理纹理区域,又能修复结构区域;甚至针对以上二者的混合区域,也常常有着优异的修复表现,普适性较强。但是,该算法执行效率较低的缺陷,使其很难满足实时图像修复处理的需求。为此,本文提出了三点改进措施:1)为解决优先级-置信传播算法初次迭代前,由于内部节点参考信息缺乏,造成的节点交互运算量过大的问题,本文在节点消息传递前嵌入字典表示模型,以提供标签预裁减依据,减少内部节点信息交互产生的计算量,加速消息传递的收敛。首先,将待修复图像分成两类图像块:一类图像块全部处于源区域,称为已知图像块;另一类图像块既处于源区域又处于破损区域,称为待修复图像块。其次,利用已知图像块构建固定字典,同时初始化字典系数。接着,利用字典和待修复图像块的已知信息,解得最佳近似系数。最后,利用字典和求得的最佳系数,得到待修复图像块未知信息的粗略值,作为内部节点的参考信息。2)为解决优先级-置信传播算法各节点含有相似冗余标签的弊端,进一步提高所有节点交互效率,本文定义了 SSD标签聚类方法。首先,按照置信度值的大小,将活跃标签依次排列。其次,以置信度最大的标签为开端,作为首个聚类中心,比较后续标签与聚类中心的相似程度,足够相似则删减,差异较大则更换聚类中心,即将当前处于比较状态的标签设为新的聚类中心。接着,新的聚类中心继续与其后续标签进行相似比较,以此类推,逐渐裁剪掉节点中所有多余的相似标签,提高各节点标签集中标签的紧凑性。3)为配合标签聚类,本文接着改进了边缘节点优先级的计算方法。在优先级的计算公式中,增加一个结构项,该结构项引入了结构稀疏度的概念,可以充分利用节点附近已知的图像信息,找出特殊节点,提高它的优先级;以此抵消标签聚类对节点优先级造成的扰动,保证对破损图像结构信息的修复。综上,本文改进算法很好的降低了内部节点交互所需的运算量,减少了所有节点标签的相似冗余。实验结果表明,本文提出的改进措施能够使优先级-置信传播算法,加速消息传递,降低收敛时间,提高执行效率。