图像修复的目的是对破损图像或部分物体移除后的图像进行修复，以保持图像的完整视觉效果。作为图像处理领域中的研究热点，图像修复技术在老照片修复、目标物体移除、特效制作等方面都具有重要的研究价值。
　　论文首先阐述了图像修复的背景和研究意义；概述了图像修复的过程，简要介绍了近年来比较流行的图像修复算法，重点讨论了两种大区域图像修复算法，并对这两种算法当前所面临的主要问题做了分析。
　　其次，论文对基于马尔可夫随机场(Markov Random Field, MRF)的图像修复算法进行了深入的研究。针对传统基于MRF图像修复算法计算量大、执行效率低的缺点，基于优先级及改进的置信度传播，提出了一种MRF框架下的快速图像修复算法。在初次迭代前，首先采用自适应样本块修复算法对高斯金字塔顶层的低分辨率图像进行“预修复”，以粗略估计破损区域中MRF内部节点的初始值；再利用改进的置信度函数，根据破损块中已知区域的纹理复杂程度，对MRF节点的候选块进行筛选，以提高所有节点的交互运算效率；最后利用MRF算法确定最终匹配块。仿真实验结果表明，与传统算法相比，改进算法的修复效果更为合理，且运算时间平均减少了75%。
　　此外，论文在基于样本块的Criminisi图像修复算法的基础上，提出利用相同场景、不同视角的图像作为参考图像，进而实现图像大区域修复。首先获取两幅具有相同场景、不同视角的输入图像，利用仿射不变性方法得到两幅图像的匹配特征点，利用ORSA算法去除误匹配，并对两幅图像做全局单应性变换，实现两幅图像的粗略对齐；然后，将校正后的参考图像作为附加源区域，通过改进最佳匹配块的搜索范围，同时将结构相似度引入匹配准则，实现大区域图像修复。仿真实验结果表明，该方法对破损区域的修复效果更加真实，可以修复更多的复杂结构。
　　最后，论文对本文工作做了总结，并对未来研究方向进行了展望。