数字图像修复技术作为数字图像处理中一个很重要的分支,广泛应用于破损图片、照片、画作和电影胶片的修复；古老文物的修复；多余目标、文字或物体的去除；影视特技的制作；图像的传输与压缩；图像的缩小与放大等领域。迄今为止,数字图像修复技术的研究与应用主要分为“基于变分PDE模型的数字图像修复”和“基于纹理合成的数字图像修复”两大技术。“基于变分PDE模型的数字图像修复技术”是通过数学的方法,在图像的缺损边界区域建立偏微分方程,确定等照度线方向,利用扩散原理,把有效信息从边界处向缺损区域内传播。“基于纹理合成的数字图像修复技术”根据图像的纹理具有相似性,一致性,连贯性的特点,对纹理进行有效的合成而完成修复,它主要适用于纹理比较丰富,缺损面积比较大的图像。目前,此种技术主要包括“基于图像分解的纹理合成修复技术”和“基于样本的纹理合成修复技术”。A.Criminisi算法是“基于样本的纹理合成修复技术”中较为经典的一种算法,它是在缺损区域的边界上选取一个具有最大修复优先权的像素块,然后在缺损区域外的源区域块内进行搜索,寻找与当前像素块最相似的模板块,来取代当前像素块,最终完成缺损区域的修复。A.Criminisi算法与其他修复算法相比,修复速度更快,修复质量更好,特别是对大面积的缺损图像进行修复时,其优点更为突出。因此,A.Criminisi算法在图像修复、视频修复等领域中受到了广泛的应用。然而,A.Criminisi算法也存在模板大小固定不变,搜索匹配块花费的时间比较长,修复填充的顺序容易出错,块与块之间的接缝痕迹比较明显等缺点。本文着重研究A.Criminisi算法,并对其存在的不足进行了两点改进：第一,采用A.Criminisi算法对缺损图像进行修复时,无论图像的信息是否丰富,其模板块的大小始终固定不变,这对于某些复杂图像的处理,效果不是很好。本文通过统计图像灰度级的数目来判断待修复图像的信息是否丰富,根据图像信息的丰富与否,实现对模板大小的自适应选择,若图像信息丰富,则选择较小的模板,若图像信息不丰富,则选择较大的模板。第二,采用A.Criminisi算法对缺损图像进行修复时,修复顺序按照修复优先权的计算公式进行,其中结构信息量D(p)所占的权值并不随修复过程的改变而改变,由此确定的修复顺序并不完全合理,容易出错,对缺损面积比较大的图像的修复效果不是很好。本文通过引入递增权值算子λ,增强修复后期结构信息量D(p)在确定缺损区域边界像素的修复优先权时的作用,从而得到更好的,更合理的修复顺序,使其在修复一幅较大面积的破损图像时,得到更好的修复效果。同时,本文对提出的两点改进算法都进行了大量的仿真实验,验证了改进方法的可行性和有效性。