数字图像修复技术是当今图像处理领域的研究热点问题之一，在古文物的恢复、图片中文本或障碍物的去除、图像缺损信息的补全、视频错误的隐藏以及图像的缩放等方面具有重要的理论意义和应用价值。本文对数字图像修复算法进行了研究，所做的工作如下：首先，深入地研究了基于变分PDE的三种典型的数字图像修复模型：BSCB模型、TV模型和CDD模型，仿真分析了此三种数字图像修复模型算法的性能及其仅适合修复图像线结构而不能恢复纹理细节的局限性。然后，对基于样本纹理合成的Criminisi算法进行了重点研究.仿真分析发现：Criminisi算法能将结构和纹理的修复相结合，使得结构和纹理的修复在一个过程中完成，保证图像结构的连续性，同时还能保持纹理细节和完整性，加快了修复速度。算法对大尺度的包含丰富纹理信息和简单结构信息的破损区域具有良好的修复效果。最后，对基于样本纹理合成的Criminisi算法进行了改进。针对Criminisi算法在采用全局搜索方式搜寻最佳样本匹配块时既耗时且易产生错误匹配这一不足，通过采用“FCM均值聚类方法”对缺损图像进行纹理分割的预处理，使最佳样本匹配块的搜索限定在与待修复块相关联的若干个纹理分割区域当中，不仅提高了修复效率，而且还取得了更好的修复效果。针对Criminisi算法中确定修复顺序的优先权函数计算并不可靠从而影响修复效果这一不足，通过引入递增权值，增强结构信息量在确定缺损区域边界像素的修复优先权时的作用，从而得到更好的、更合理的修复顺序，取得更好的修复效果。同时，本文对改进算法进行了仿真实验，验证了改进算法的可行性和有效性。