图像修复是当今计算机图形学中的一个重要研究内容,它的主要目的是对指定的区域进行修补,并使得观察者无法察觉出图像中的人工痕迹,让图像看起来平滑逼真自然。图像修复广泛应用于图像和视频等修复领域,如障碍物的移除,古老文物的复原,特效制作,图像缩放,视频通信、错误隐藏等。目前数字图像修复技术的研究主要集中在两个方面:基于偏微分和变分方程的修复技术与基于纹理合成的修复技术。前者主要是基于偏微分方程(Partial Differential Equat io ns,PDE)的修复模型,使得图像的已知信息沿着等照度线由待修复区域边缘向内部扩散,最终完成修复,该模型适用于小区域图像。后者主要是基于纹理的一致性,连贯性,重复性地进行有效的纹理合成,适用于结构纹理较为丰富的大区域图像。本文深入研究了几种具有代表性的数字图像修复模型,通过对Criminisi算法进行深入分析,从视觉质量,修复效率,峰值信噪比等方面进行对比研究,对该算法做了以下两种方法的改进。针对传统基于样例的修复算法在结构性较强的修复过程中容易出现结构断接,模糊等现象,引入一种偏微分方程平滑约束项作为数据项因子,并采用新的匹配准则,来优化修复顺序。很好地结合了偏微分方程的优势实现了大区域图形的修复。针对Criminisi算法优先权公式的不合理设计、修复过程中容易产生冗余像素进而造成误传播以及纹理结构的复杂程度会对匹配模板大小的选择产生影响等原因,提出了一种改进的基于样例的图像修复算法,主要做了以下改善:考虑到曲率项和平均梯度项对数据项的影响,进而影响最终样本块的选择,重新定义了数据项;在对置信度项进行定义时,考虑了曲率距离的动态变化,避免了误差累积效应;对于一些非强边缘图像,适当地改变修复次序往往能得到更好的修复结果。大量实验研究表明灵活地运用本文算法能够得到比较令人满意的视觉质量和修复效率。