数字图像修复是通过数学方法利用图像的已知信息对破损区域进行填充并最大程度还原图像的方法。图像修复的应用领域涉及到了人们生活中的方方面面,比如照片修复,多余物体去除等等。因此对数字图像修复方法的研究很有意义。本文对Criminisi图像修复算法进行深入研究。总结了图像修复方法的研究现状,对比分析传统的图像修复算法的优势和局限性,重点讨论了近年来涌现的新的图像修复方法,总结了目前被研究者广泛使用的图像修复评价指标。在现有图像修复方法的基础上,本文主要完成了以下三个方面的工作:1.首先对基于偏微分方程的BSCB(Bertalmio Sapiro Caselles Ballester)图像修复模型、TV(Total Variation)图像修复模型、CDD(Curvature Driven Diffusion)图像修复模型以及基于纹理合成的Criminisi图像修复算法分别进行了仿真实验,并对各模型的优缺点进行概括,指出了Criminisi算法修复的不足之处。2.提出了基于稀疏表示和纹理分解的图像修复方法,在Criminisi算法计算优先权值中加入了纹理项,使得图像在修复时的填充顺序可以按照正确的纹理方向进行。针对Criminisi算法搜索最优匹配块时存在的不足,提出了使用巴士距离搜索全局最优匹配块的策略。3.原图像的空域像素值信息无法有效描述图像的几何特征,本文引入非下采样轮廓波变换(Non-subsampled contourlet transform,NSCT)对原图像进行分解得到不同的特征子图,再根据特征子图的特性,采用不同的修复策略分别对低频、高频特征子图进行修复,最后对修复后的特征子图像使用非下采样轮廓波逆变换得到最终的修复结果。仿真实验结果表明,本文提出的算法在视觉效果和客观评价指标上均优于现有的一些图像修复算法,并具有实际应用价值和参考价值。