当今社会信息化程度不断加深,越来越多的先进信息技术顺应时代产生,其中,数字图像修复技术已经被广泛应用于各个领域,并逐渐地应用到人们的日常生活。日益增长的人类需求和科学学科间的交融发展,促使数字图像修复技术被普遍应用,技术日渐发展成熟。因而,数字图像修复技术在数字图像处理领域中是当前最热门的一个课题。日常生活中,数字图像修复技术的应用比较广泛,而且已经从早期仅修复旧照片的应用,扩展到文物保护、生物医学、航天航空等多方面应用。目前,数字图像修复技术原理和算法有很多种,大致可分为两类：一类是基于结构的图像修复算法,有三种经典的修复模型(BSCB、整体变分TV、曲率驱动CDD模型)；一类是基于纹理的图像修复算法,主要集中在以块为单位的基于样本块的图像修复算法。本文的研究内容分别涉及上述两类方法。首先,本文介绍了基于结构的图像修复算法,此类方法主要以基于偏微分方程(PDE)修复方法为主。算法是将图像修复过程转换成为解偏微分方程的过程,通过求解极值和数值最优等数学手段求解方程组,计算出修复结果。基于PDE的修复方法主要有三种基本模型BSCB模型、整体变分TV模型、曲率驱动CDD模型。本文分别介绍了三种模型的修复原理,进行实图仿真与对比分析,总结了三种模型的异同点和优缺点。其次,介绍了基于纹理的图像修复算法,深入研究基于样本块的图像修复算法,重点研究其代表修复算法Criminisi算法。本文深入学习Criminisi算法的修复原理,了解算法修复过程中的基本知识,总结了该算法的在修复结果上的优势：基于样本块的图像修复算法能够在修复图像的纹理信息的同时,也修复图像的结构信息,尤其对具有繁杂的纹理和结构的图像具有很好的修复效果。然而,经过深入的分析,发现算法存在不足和缺陷,进而在原算法优先权的计算基础上,增加了图像新的几何项,同时,在搜索最佳匹配块策略中增加了限制项。接下来,本文对改进的算法和原始算法进行多组实验,证明了改进后的算法在图像质量方面优于原始算法。尽管改进后的算法得到了很好的修复效果,但是当破损图像具有强边缘信息的时候,修复的过程中就会持续该点的修复,继而出现冗余的信息,从而达不到理想的修复效果。所以,本文进行第二次改进,主要改进了优先权的计算方式,在原来的基础上,增加新的计算量,避免强边缘持续修复的现象。本文同样对两次改进的算法进行多组实验,实验证明,二次改进的算法在图像视觉效果和PSNR值上比一次改进的算法有优势。最后,本文重点研究了图像修复算法技术的应用,数字图像修复算法(TV修复模型)能够隐含视频传输中的错误；数字图像修复技术可以良好应用于压缩系统中,将失真的图像重新恢复,为通信系统的质量和有效性提供了保障；图像修复技术同样能够应用到图像放大中,TV模型的图像修复算法放大的图像比较平滑,没有锯齿现象,因此可以克服传统方法放大后出现的锯齿效应。最后,将图像修复算法与图像放大结合,处理了一幅由于长期不当存放而出现折痕和破损的老照片,先将图像放大,再进行折痕和背景的修复,最终得到了修复好的照片。