数字图像修复是图像处理领域中的一个重要分支,是通过一定的算法与规则,利用图像中已知信息区域修复信息丢失区域,以达到特定目的一个过程。现有的图像修复方法按照其处理方式可以分为两类:小尺度区域图像修复方法和基于纹理合成的图像修复方法。小尺度区域图像修复方法是将图像修复的过程转化为偏微分方程,然后通过优化的方法来处理图像。该类算法是利用受损区域边界建立函数模型,使得图像已知信息沿着等照度线由外向内传播扩散到待修复区域。该类算法保持了图像边缘的同时也平滑了噪声。基于纹理合成的图像修复算法,是利用纹理区域的一致性、连贯性、重复性,来进行纹理合成填充待修复区域。该类方法适用于破损区域较大的纹理图像中。基于优先权的图像修复方法奠定了该类算法的基础,找到待修复区域边界上最优先修复块,在图像已知区域中寻找相似块,取代当前待修复块,最后更新待修复边界,并迭代算法。Criminisi方法具有速度快,效率高的特点。Xu方法通过引入块结构稀疏,改进了Criminisi方法中的优先权计算,在修复效果上做出了很大的提升。但这两中算法在优先权计算存在不稳定性,以及修复顺序容易导致后期匹配的块不一致。本文在深入研究了现有算法的基础上,对以上问题做出了如下两点改进:(1)改进优先权计算:在现有优先权基础上,引入了几何分布的概念,通过计算待修复块的相似块的几何分布的离散度来更新优先权计算方式,得到更加合理的修复顺序。(2)结构优先修复策略和区域划分:通过分析研究了图像的视觉理论,提出了结构优先修复策略和区域划分。首先修复结构区域,在结构修复的同时对结构进行拟合来判断结构修复何时停止,最后修复非结构区域。与现有图像修复算法相比较,该算法对图像中边缘的修复效果有明显的改善。本文在进行充分的理论分析基础上,对提出的改进算法进行了大量的实验仿真,验证了本算法的有效性与可行性。