图像修复是一项利用已知信息来填充缺损内容的技术,是图像处理领域的重要研究课题之一。随着计算机科学技术的发展,该技术已逐步成熟,并广泛应用于文物保护、影视特技制作、虚拟现实、错误隐匿等领域。图像修复方法可以分为两大类:变分偏微分方程(Partial Differential Equations,PDE)修复方法和纹理合成修复方法。前者利用已知区域信息建立能量泛函,以像素点为单位沿等照度线方向修复破损;后者则利用图像的纹理特性,以样本块为单位利用纹理合成方式填充缺损信息。基于样本单元的图像修复算法以图像块为修复单位、信息复制为基本方式完成破损区域的修复,是图像修复研究课题中广受关注的模型之一。但实际研究中,该算法存在修复优先级设计不合理、匹配准则不精确等问题。本文针对这些不足之处,结合结构张量理论提出了新算法,实现了灰度及彩色图像的修复。具体工作如下:(1)介绍了图像修复技术的相关理论,分析了变分偏微分方程修复算法和纹理合成修复算法各自优缺点及代表模型,详细讨论了基于样本单元的图像修复算法。(2)探讨了基于样本单元的修复算法在填充缺损信息时,由结构信息在修复优先级设定中比重不足所引起的结构断裂问题,以及因样本块与目标块之间的匹配准则不精确带来的错误匹配问题。将结构张量理论引入基于样本单元的图像修复算法中,提出了基于结构张量的修复算法(Image Inpainting Algorithm based on Structure Tensor,IIST)。在该算法中:首先,利用结构张量在描述图像分区上的作用,构造了局部结构控制函数,并将其引入样本块的修复优先级中,保证了图像结构信息的正确修复;其次,探讨并提出了新的匹配块搜索方式及匹配准则,在避免后续错误修复的同时降低了算法复杂度;最后,通过对灰度图像破损修复及目标移除两方面的仿真实验,验证了本文算法在灰度图像修复问题上的有效性。(3)介绍了彩色图像的修复模型,讨论了彩色图像各类颜色空间的优缺点,并将基于结构张量的图像修复算法扩展到彩色图像的修复问题中。该扩展算法,在对破损图像进行RGB-Lab色彩空间转换的基础上,分通道完成了彩色图像的修复。最后,通过仿真实验验证了扩展算法在彩色图像修复问题上的可行性和有效性。