随着信息时代的发展,数字图像修复技术作为数字图像处理中的一项热点已经在各个领域得到了广泛的运用。该技术是一个对图像中的破损区域逐渐进行填充的过程,使得修复后的结果满足人们的视觉感观,目前已经在摄影、医疗、文物保护等领域普及。图像修复领域中主要涉及基于纹理合成与非纹理合成两个方向。本文详细介绍了两类算法的原理,通过理论推导进行深入研究、实验数据进行验证,以提高修复效果与减少算法耗时为目的,分别对各方向中的经典算法提出了改进的思路,本文主要工作如下:非纹理合成方向重点研究了CDD模型算法,针对该模型迭代复杂、边缘修复效率低等一系列问题,提出了一种改进的算法。考虑到迭代过程复杂繁琐,设计了一种优化的曲率项,将高阶的偏微分方程变简易来减少算法的运行时间;之后引入像素灰度差值比率来描述梯度变化程度,促使扩散仍然沿着曲率和梯度的方向进行,最后设计了权重平滑函数来改进原有的扩散系数,避免了图像边缘处扩散相互抵制的现象。通过连通性、细划痕、文字破损等图像的修复实验表明,本算法有效的解决了CDD模型产生的边缘模糊与修复时间长等问题。在纹理合成方向上,本文着重对Criminisi算法的优先权公式的计算、样本块的大小、最佳样本块的搜寻三个方面进行了改进。结合LBP纹理特征与梯度算子对优先权进行改造,充分考虑了样本块内的纹理结构特性使得修复顺序更加可靠;确定最大优先权后再依据梯度与LBP变化程度自适应的选取样本块大小,进而缓解边缘处的块效应与错误衍生现象;之后采用全局搜索与局部搜索相结合的方式去搜索最佳样本块,通过设置优先权的阈值自适应切换搜索模式。全局搜索本文采用狼群算法进行寻优,大大节约了时间成本。局部搜索上在原有的相似性度量中加入最佳候选块与修复块的距离因子,降低了同时出现多个候选块的几率,提升了样本匹配准确率。通过目标物去除、划痕文字等图像修复实验表明,本算法能有效的减少时间复杂度与误匹配现象的概率。本文采用主观与客观相结合的形式对算法进行评判,结果表明两种改进算法都有良好的修复效率,进一步验证了算法的可行性与合理性。