图像作为一种直观信息,在人们的日常生活中应用广泛。但是有时会因为人为或自然等原因使得图像出现破损,影响其完整性。数字图像修复技术,也称作图像补全或图像填充,是指利用某种方法填充图像中的缺损部分(洞)。数字图像修复技术在各个领域都应用广泛,如特效制作、图像复原、图像传输和编码等。本论文重点研究在给定破损区域情况下的数字图像修复技术,从三个不同角度对现有图像修复方法进行了深入研究。本文的主要贡献有以下3点：(1)针对现有的基于学习字典的图像修复算法对图像纹理细节把握不足的缺点,本文给出一种基于小波域学习字典的图像修复方法。该方法首先将小波变换与KSVD字典学习算法结合生成子带小波字典；然后将生成的各子带字典进行有效组合得到小波域字典,并应用到图像修复领域,并分析了小波函数和分解层数两个因素对图像修复结果的影响；最后指出了本文方法的不足之处。(2)针对Criminisi经典算法中存在的问题,本文给出一种基于Harris检测子的自适应图像修复方法。该方法从优先权定义方式、模板块大小选择、块匹配策略三个方面分别进行了改进。首先该方法将Harris检测子作为新的数据项,改进了置信度和新的数据项的结合方式；然后针对固定模板大小造成的修复失误问题,给出一种自适应的模板选取策略,即根据Harris检测子的两个特征值之间的对应关系来区分图像中的边缘、角点和平滑区域；最后进行块匹配时,在均方距离和的基础上加入梯度项,构造了一种加权的相似度匹配准则。(3)基于结构的图像修复方法只能修复小面积缺损,基于样本合成的图像修复算法对亮度不均的图像修复效果差,针对上述两个问题,本文给出一种基于小波变换的图像修复方法。该方法首先利用快速步进算法对破损图像做预处理；然后将预处理后的图像利用小波函数进行滤波得到图像的高频和低频部分,接着采用改进优先权的Criminisi算法对图像的高频部分进行修复；最后将低频部分和修复后的高频部分结合到一起,获得最终的修复结果。大量计算机仿真实验结果表明,本文给出的三种数字图像修复方法均可以有效地修复图像的破损区域,且使用范围广。与当前的同类算法相比,本文方法修复质量更好。