数字图像修复技术是指当用户选择待修复区域后,修复算法利用待修复区域的邻域信息自动完成对其缺损部分的修复,使修复结果最大程度地满足人类视觉感知和心理要求。近年来随着数字多媒体技术的发展,数字图像已经成为我们生活中不可缺少的东西。目前,国内外也有很多学者在研究这一技术,他们不仅提出了许多成熟的修复算法,同时也扩展了图像修复的应用领域。数字图像修复技术已经被广泛地应用于摄影、工业现场检测、医学、网络、印刷、考古等领域的图像或视频的修复中,其主要的修复内容包括划痕或污点的修复、不必要的文字或目标的移除、图像放大等。本文研究了基于结构信息的修复技术,主要是基于偏微分方程(PDE)的三种具有代表性的修复模型和基于快速步进法(FMM)的修复技术,前者包括BSCB模型、整体变分(TV)模型和曲率驱动扩散(CDD)模型,并通过实验结果分析以上模型的优缺点。针对FMM修复技术,本文提出了一种改进的修复方法,改进方法采用在FMM的边界演化中引入各向异性扩散。因为各向异性扩散不仅是非线性的且能正确保持等照度线的方向,所以,改进后的算法不仅能减少修复较宽区域时造成的模糊且能更好地保持尖锐边缘,同时继承了原算法运算速度快的优点,比基于偏微分方程(PDE)的方法快几个数量级。针对包含纹理的缺损图像,本文同时也研究了基于样本的物体移除修复技术,它是一种在结构引导下的纹理合成技术,对于纯纹理或同时包含简单结构和纹理的大区域缺损有效。但是,对于包含复杂结构线条的缺损,该方法不能很好地保持其边缘,且容易造成误匹配。基于图像分解的修复技术,本文分别使用基于样本的物体移除修复技术和改进的基于FMM的修复技术修复图像的纹理图和结构图,数值实验结果表明此方法对同时包含复杂结构线条和纹理的缺损有更好的修复效果。