随着数字化浪潮对全世界的影响,一些有识之士已经将基于计算机的数字图像修复技术引入到了壁画修复的工作中,并且取得了一定的成就。但同时也看到,这种应用到壁画修复中的技术目前还是没有跳出使用人工掩膜的局限,仍然需要靠人来“告诉”计算机需要修复的区域。这种人工添加掩膜的方法降低了壁画修复的准确性和效率,因此对受损部分实施自动的识别来完成整个的修复工作是十分必要的。　　 由于不同图像之间的巨大差别,本文首先介绍了一些经典的图像中感兴趣区域自动检测识别方法。这些方法针对不同类型的图像,获得不同的提取效果。　　 其次,分析了不同壁画图像、受损的差异性,建立了以灰度共生矩阵和图像局部均方差特征值为联合特征的受损壁画图像的特征值向量,并根据图像库中受损壁画特征值向量之间的空间距离,用K均值的分类方法对受损壁画图像进行了分类。分析了不同分类特征中图像的具体差异,并以此作为选择不同检测提取算法的依据。　　 根据分类的结果,对其中一类图像采用基于灰度直方图冲击点检测的方法来检测提取受损的字迹区域。同时分析了该方法产生误差的可能性以及对误差的修正方案。另外,根据选择的滑动窗口大小和对字迹包围框大小的估计,推导了判断冲击点阈值的分布范围。并在提取结果的基础上完成了壁画图像中人为字迹的修复。　　 针对另一种分类的受损壁画采用了基于连通分量的分类算法来提取人为字迹区域。该方法由7个级联分类器组成,每个分类器针对字迹连通分量和壁画内容连通分量不同特征。为了提高该算法的效率,同时提出了一个描述分类器效率的特征值,用来作为分类器排列顺序的依据。最后在分类结果的基础上完成壁画字迹的修复工作。