本文研究的问题包含两方面的内容：分形编码加速方法和图像修复。这两个方面都是目前图像处理领域的研究热点。 针对分形编码加速方法本文主要作了以下工作： 1．提出了一种衡量分类方法性能优劣的指标体系，并提出了一种基于定义域块数目的自适应分类方法。结合满意匹配和质心特征给出了一种快速分形编码方法。实验表明，该方法相对于全局搜索，在解码质量略有下降的基础上，能极大地提高分形编码速度，当均匀度阈值取为120时，其编码时间由原来的131.84s降低为3.56s，解码图像质量只有1.42dB的损失；与均匀分类方法相比，在取得相同压缩比的前提下，该方法可进一步提高分形编码的速度和改善解码图像质量，当均匀度阈值取为20时，自适应分类使编码时间减少了约0.1s，而质量则提高了0.27dB； 2．为提高压缩比，我们提出了变门限方法，并结合自适应分类法和满意匹配，给出了一种基于四叉树的快速分形编码方法；实验表明，与全局搜索相比，自适应分类变门限满意搜索可以在基本保证解码质量的前提下，极大的提高分形编码速度，当阈值取为110时，与全局搜索相比，该方法将编码时间由122.75秒降低为2.478秒，质量只有1.48db的损失；与均匀划分相比，该方法使压缩比增加了0.56倍； 3．考虑到采用正方形划分忽略了图像的灰阶均匀性，而矩形划分计算量相当巨大的问题。在充分分析均匀分类和自适应分类优缺点的基础上，我们提出了一种混合分类法，并将其应用于质心特征，得到了一种基于矩形划分的快速分形编码方法。实验表明，该方法相对于全局搜索，在压缩比和解码质量略有下降的基础上，能极大地提高分形编码速度，当分类数目为166时，其编码时间由原来的64.32s降低为3.33s，而解码图像质量只有1.16dB的损失；与均匀分类方法相比，混和分类法可以在编码时间基本相同的前提下取得更好的解码质量，在解码质量基本相同的前提下取得更快的编码速度，并可以在一定的条件下取得压缩比优势； 4．为了使分类后的定义域块库更容易找到最优匹配块，我们提出了一种基于二