随着电子产品的不断涌现，通讯技术的不断发展，越来越多的数字图像出现在人们的日常生活中。然而现实中存在着许多人为（保存不善或为了使图像具有某种特殊效果特意将其损坏）或非人为（数字图像在其传输或存储环节中产生信息缺失）因素会导致图像受损。为了简单有效地恢复那些具有一定价值和意义的受损图像，人们不断地对数字图像修复技术进行研究。现如今，数字图像修复技术已成为图像处理领域中一个热门的研究课题，并被应用于诸多领域。目前，数字图像修复技术主要分为两大类，一是基于变分PDE（Partial DifferentialEquation，偏微分方程）的图像修复技术；二是基于纹理合成的图像修复技术。针对第一类算法，本文主要研究其代表性算法，基于TV（Total Variation，整体变分）模型的图像修复算法。对于第二类算法，本文则着重研究其经典算法，由Criminisi等人提出的基于样本的图像修复技术。在对这两种算法进行分析研究的基础上，本论文对它们进行了一定的改进，主要研究内容和创新点如下：（1）提出一种基于TV模型的改进修复算法。本文的改进算法为了能够更多地利用那些与待修复点相关程度较高的像素点的信息，同时从待修点与其邻域像素点等照度线方向的距离和两者之间的像素间隔来确定各像素点的扩散系数。该算法使得那些间隔像素少，等照度线方向距离近的像素点具有较大的扩散系数，以此尽量减少因使用相关程度较小的已知信息所带来的误差累积。（2）提出一种新的优先权计算方法。针对Criminisi算法中优先权计算不准确和置信度为零对优先权计算造成影响的问题，本文重新定义了优先权函数，使得待修复块的结构信息所占比重更大。同时修改了数据项，使得图像的修复同时考虑等照度线方向和梯度方向上的信息。（3）提出一种基于演化算法的搜索策略。针对Criminisi算法搜索最佳匹配块时存在的效率低，易产生误匹配的缺陷，本文采用演化算法在待修复区域的环形外邻域搜索与待修复块最近似的匹配块。并且，在整个搜索过程中，当待修复块中心点的梯度较大时，使用较小的模板窗口；反之亦然。