Criminisi算法作为基于样本块的图像修复技术中的经典算法取得了不错的修复效果,但是对于破损区域周围既含有几何结构信息又含有丰富纹理信息的情形,由于Criminisi算法的优先权计算和样本快匹配的不合理造成了纹理延伸现象和错误样本块匹配的问题,本论文为了解决该问题充分考虑图像中结构和纹理特性,提出两种不同的改进算法：1)首先,本论文提出基于邻域窗口权重变分的图像修复算法。该算法利用领域窗口总变分和内在变分构造出权重变分,通过对Criminisi算法中的优先级测度进行加权,提高了对几何结构信息和纹理信息的辨识能力,同时,在像素块的匹配过程中,通过引入整体结构差异算子,并与传统的颜色匹配相结合,提高了匹配精度。相比于Criminisi算法及其相应的改进算法,本论文算法能够对既含有几何结构又含有丰富纹理信息的破损区域取得更好的修复效果,同时,也能高效修复一般的破损区域,从而具有更好的普适性。2)其次,本论文提出了基于结构分布率的图像修复算法,该算法充分利用图像的结构特征和纹理特征来构建相似分布率和结构分布率用以有效区分结构和纹理,并以此来改进优先权算法。同时,本论文通过扩大样本块的方法来改进搜索匹配的方法,可以在改善匹配精度的前提下提高匹配的效率。通过实验得出,本论文提出的算法很好的克服了Criminisi算法中存在的纹理延伸和误匹配问题,保持了修复结果的视觉连通性,其峰值信噪比相比Criminisi算法提高了2-3dB。