关于这篇论文：其是采用基于样例的图像修复，通俗地讲就是图像其他部分的采样信息去填补遮挡区域，其与使用扩散方法的图像修补方法相比，不会产生模糊效应。
论文中涉及到的几个参数 Ω：要修补的区域
δΩ：修补区域轮廓
Φ：非遮挡区域（用来提供阳历）
Ψ：正方形匹配模板(patch)
论文实现主要三个步骤：1， 计算填充区域的优先权
论文使用了 置信度项C(p)以及数据项D(p)来描述优先权：
其中：
2,传播纹理及结构信息
3,更新置信值
总的来说这篇论文理解起来并不是特别难，当然里面肯定有误解之处
关于代码：说来惭愧，找到本篇论文的时候发现已经有人对其进行了实现，所以自己并没有去亲自尝试写代码，只是照着他们的代码试验了一下，效果还是不错的。代码中要填充的区域需要自己指定，不过还好之前做过立体匹配，所以很容易把遮挡的部分用程序给标记出来了。
最后附上程序链接（不能运行的话运行一下compile.m可能会解决）：http://download.csdn.net/download/longvipp/8173305