随着信息技术化的快速发展,图像修复是数字图像处理领域的一个倍受关注的研究方向,该修复技术多用于破损照片的修复、图像上多余物体移除和古文物保护等方面,有着很好的应用价值。图像修复方法主要由三大类构成:基于偏微分方程的修复方法、基于纹理合成的修复方法和基于稀疏表示的图像修复方法。本文阐述了这三类修复算法的优缺点,分析了图像修复质量的评价标准,重点研究了基于纹理合成的图像修复方法,并在着重研究经典Criminisi算法的基础上,对其存在的不足进行了三点改进。(1)针对Criminisi算法中出现的块状效应的不足,提出了改进的Criminisi修复算法,为了充分考虑图像的纹理结构特征,改进了优先权的计算,将置信度项和数据项都进行同样的改进,使其达到一种平衡状态;并提出一种新的置信度方法,减少在更新置信度过程中因目标块和样本块之间有差异而累积的误差。实验表明,此方法较好地保持了图像的整体连贯性,提高了图像修复质量。(2)引入D-S证据理论方法,对优先权的计算公式进行更新,并且在匹配准则上加入像素的物理距离(DIS)来选择最优的匹配结果,可减少其修复错误。通过实验验证了该算法的有效性,在自然图像与壁画的修复中,效果更为合理、自然。(3)本文在基于D-S证据理论的基础上,同时提出根据梯度变化情况自适应地确定匹配模板的大小,使模板窗口能灵活的进行选择,这样可以提高修补质量和效率;并在最佳匹配模板的搜索与填充做相应的改进,运用智能元启发式算法-蝙蝠算法,将SSD函数作为目标函数进行搜索,改进了修复算法的效率。实验表明:本文提出的改进算法与传统的修复算法对比,修复结果更为准确,时间上也有所降低。本文在充分理论分析的基础上,对不同程度的破损图像进行了大量的仿真实验,验证了改进算法的可行性,能较好的同时兼顾结构的保持与纹理的传播,提高了修复效率。