图像信息作为互联网信息的主要载体之一,可以准确且直接将信息传递给接受者,其在影响人们的生活与工作方式。由于数字图像处理应用广泛,越来越多的科研学者投入到该领域研究工作中来。图像修复,是图像处理和计算机视觉领域的分支,一直都是研究的热点问题。主要方法为:首先制定一个优秀修复策略,然后利用图像中已知信息根据上述策略来修复图像中的破损区域,以达到修复原始破损图像的效果。目前修复算法众多,主要归结为两大类:基于偏微分方程的修复算法和基于纹理合成的修复算法。这两类方法各有优势,前者主要是针对破损区域较小的图像,后者则与之相反。本文围绕图像修复技术展开,首先阐述了该技术基本原理并对当前国内外的研究方法进行分析和总结,其次对图像修复基础理论进行介绍,然后对了几种代表性的修复算法进行分析和总结。在上述方法的基础上,本文提出两种修复方法,具体如下:首先,本文提出了一种基于多尺度分解的k近邻场(k-Nearest-Neighbor-Field,k-NNF)随机查找的图像修复方法。该方法对破损图像进行基于双边滤波下采样多尺度分解,采用块间相似度作为度量方式;同时利用所提出了一种基于最小堆的k近邻场的随机查找最佳匹配块,基于鲁棒性优先级函数查找待修复块,直至该层图像修复完成,然后利用该层信息采用基于双边滤波上采样算法重构下一层粗糙层图像,如此迭代修复直至得到最后的修复结果。最后,通过仿真实验验证本文算法的有效性。其次,在前一方法的基础之上,本文提出一种自适应块匹配窄带优化下的图像修复方法。基本思想:利用每层的破损边界的待修复块的颜色和结构信息自适应计算出该破损块匹配块尺寸大小及数量。利用误差平方和求解一个对应尺度的块。然后,在该快内根据基于最小堆k近邻场随机查找匹配块序列,利用窄带模型对其优化以修复破损边界,对破损边界由外向内逐层修复直至破损区域补全。