HySim: An Efficient Hybrid Similarity Measure for Patch Matching in Image Inpainting

图像修复是填补缺失图像区域的重要任务，适用于医学成像和遥感等各种应用。最近的数据驱动方法在图像修复方面的效率通常需要大量的数据预处理。因此，在数据可用性和质量受到限制的应用中，仍需要模型驱动方法，特别是在使用图像修复技术进行时间序列预测的相关应用中。本文提出了一种基于补丁技术的改进模型驱动方法。我们的方法不同于标准的平方差（SSD）相似度测量，引入了一种混合相似度（HySim），结合了切比雪夫距离和闵可夫斯基距离的优点。这种混合增强了补丁选择，从而实现了高质量的图像修复结果，并减少了不匹配误差。实验结果证明了我们的方法相对于其他模型驱动技术（如扩散或基于补丁的方法）的有效性，展示了其在实现视觉上令人满意的修复方面的有效性。

本文旨在提出一种改进的基于模型的图像修复方法，以解决数据受限或质量较低的应用中的图像修复问题，特别是在使用图像修复技术进行时间序列预测时。

本文提出了一种基于补丁的技术的改进模型驱动方法，通过引入混合相似度（HySim）来改进补丁选择，从而实现高质量的图像修复结果。

本文的实验结果证明了该方法相对于其他模型驱动技术的有效性，展示了其在实现视觉上令人愉悦的修复方面的有效性。

最近的相关研究包括：基于GAN的图像修复方法、基于深度学习的图像修复方法、基于变分自编码器的图像修复方法等。