数字图像修复是指利用某种特定的图像修复算法对破损图像的缺失信息进行修补或者重建的过程,使修补后的结果不易被观察者察觉图像曾被修复过或者破损过。目前,该技术已被广泛应用于老照片的修复、图像文字的去除、文物保护等多个研究领域。本文根据图像修复的基本原理,利用图像的纹理变化特征以及边缘结构特征,将结构张量理论应用到彩色图像修复中,探讨基于梯度变化和结构张量的彩色图像修复算法。论文主要的研究工作与创新点如下:1.全面系统地综述了图像修补技术产生的背景以及目前的研究现状,深入分析了图像修复中的关键技术和主要难点。2.针对传统Criminisi图像修复算法中,因填充次序的不正确和采用固定大小的样本块导致图像的边缘结构断裂、纹理错误延伸等现象,提出了一种利用梯度变化自适应调节样本块大小的彩色图像修补算法。算法首先利用图像等照度线的曲率信息约束待修复块的填充次序,以克服因填充次序的不正确而导致边缘结构的不连续;然后利用待修复块的局部梯度变化,自适应调节样本块大小,解决在纹理丰富的区域产生阶梯效应的不足;最后利用局部搜索方法寻找最佳匹配块。仿真实验结果表明,该算法对不同类型的破损图像都能获得较满意的修复结果,有效地保持了图像边缘结构的平滑性,其峰值信噪比(PSNR)相比于传统算法提高了1~4d B,结构相似度(SSIM)也有所提高。3.由于彩色图像的结构张量不仅包含了局部区域的强度信息,同时也包含了特定像素邻域梯度的主要方向,能充分反映图像的局部边缘结构特征。因此,利用图像的结构张量特性,提出了一种基于结构张量的彩色图像修复算法。算法首先利用结构张量定义新的数据项,以确保图像的结构信息能够更加准确地传播;然后利用该数据项构成新的优先权函数,使得图像的填充顺序更加精确;最后根据结构张量的平均相干性来自适应选择样本块大小,以及在匹配准则中,利用结构张量特征值来增加约束条件,使得寻找最佳匹配块的匹配率越准确。实验结果表明,该算法利用结构张量的特性实现了对不同结构特征的彩色破损图像的修复,对复杂的线性结构和纹理区域都有较理想的修复效果,而且对大物体的移除和文字去除也有较好的修复;与Criminisi修复算法相比,其结构相似度(SSIM)有所增加,峰值信噪比(PSNR)提高了1~3d B。