随着社会各项技术的不断发展,计算机视觉和数字图像处理已经渗透到人们生活和工作的方方面面。而数字图像修复是计算机视觉和图像处理领域的一个重要研究内容,它在2000年举办的一次学术会议上首先被提出,现在已经成为众多研究人员研究的热点话题。数字图像修复技术应用广泛,包括图像压缩、修复受损的文物字画、移除标定的目标物体、制作影视特技等等。数字图像修复是指利用已知区域,对图像中有局部信息缺损的区域按照某种规则进行修复的一个过程,要求修复后的信息缺损区域与原有已知区域之间的过渡尽可能自然,并尽量减少人工修复的痕迹,使图像看起来自然。本文首先介绍了图像修复技术的定义、研究意义及国内外发展现状,展示了这一技术广阔的应用前景。然后分析了目前主要的两种图像修复技术：基于偏微分方程(PDE)的图像修复技术和基于纹理合成的图像修复技术。首先介绍偏微分方程作为一种数学分析工具在图像处理中的应用,在此基础上给出了三种经典的修复模型：BSCB模型、TV模型以及CDD模型,介绍了这三种模型的实现原理及其实验结果。接下来研究了基于纹理合成的图像修复,首先给出纹理合成技术的基础理论知识,然后概括了现有的纹理合成技术类型。由Criminisi等人在此技术基础上,提出的基于样本块的图像修复算法是本文研究的重点内容。首先研究了经典Criminisi算法的详细步骤,分析了算法的优势所在：简单易于实现,并且能够兼顾图像的纹理和结构信息。本文还针对Criminisi算法的不足之处做出了相应改进,改进的算法在优先权以及匹配准则中增加了像素点的曲率信息,并设置逻辑标识矩阵,标识源区域样本块是否被使用过,对于源区域中使用过一次的样本块不再纳入搜索范围内。实验表明,改进的基于样本块的图像修复算法不仅在时间上优于Criminisi算法,在图像修复质量上也取得了更好的效果。最后本文将数字图像修复技术应用在图像压缩中,给出一种集成图像修复技术的压缩系统。首先分析了图像修复技术在图像压缩系统中应用的可行性,然后设计了一种将现有图像压缩方法和改进基于样本块的图像修复技术相结合的图像编解码系统,在分析系统原理框架基础上,也对系统各功能模块及其实现算法做了详细分析。在该系统的编码端,先提取图像的边缘,并将其扩展,得到原始图像的边缘扩充图,根据边缘扩充图丢弃原始图像平坦区域中易于修复的图像块,然后将处理后的图像进行编解码,最后对解码后的不完整图像,在边缘扩充辅助信息的帮助下通过修复技术完成重建工作。实验结果表明,本文设计的集成图像修复技术的压缩系统在保证图像质量的前提下,能够有效提高图像的压缩比。