数字图像修复正在逐渐成为当前计算机视觉研究的热点。本论文主要研究了基于结构的图像修复算法,主要用来修复小范围破损的图像。基于结构图像修复算法主要是从图像局部的结构特征出发,通过建立的规则使图像的信息沿着等照度线方向进行传播,信息传播的过程可以通过建立扩散方程来体现,因此,各向异性扩散是是基于结构的图像修复的基础。然而,各向异性扩散方程中存在的对噪声敏感,扩散速率较慢,角点信息被淹没等问题,为了克服以上问题,本论文主要从以下几点出发,对其进行了改进：1)改进了TV模型,将原本4-邻域TV模型改进为8-邻域的双十字TV模型,并将这一思想延续到后期的工作当中,从而有效地提高了图像修复的精度。2)设计了一种基于破损区域分类的向异性扩散模型,该模型可以将破损区域区分成平坦区域、结构信息不明显的区域和结构信息明显的区域,不同的区域可以自适应地进行各向同性和各向异性扩散。该模型解决了退化扩散模型中角点信息被淹没的问题,并且由于该模型设置了新的扩散速度函数,使得扩散效率有所改善。3)设计了一种基于局部特征分类的自适应扩散模型。模型引入平均梯度矩阵来衡量图像的局部特征,并建立了与平均灰度矩阵相关的扩散模型,使信息扩散方向和扩散速度得到很好地控制。