图像修复是根据图像中已知部分的信息，恢复信息缺失区域部分信息的一种图像处理技术。图像修复已经广泛应用到文物恢复、文字去除、影视特效等多个方面，图像修复技术的研究具有实际的应用价值。　　本文首先概述了图像修复的研究背景、意义以及国内外研究现状，介绍了经典的图像修复算法模型，包括全变分(Total Variation，TV)图像修复算法、曲率驱动扩散（Curvature Driven Diffusion，CDD）图像修复算法、Criminisi图像修复算法和稀疏表示(Sparse Representation，SR)图像修复算法。　　其次，针对大面积物体遮挡去除，本文提出了一种基于狼群算法的Criminisi图像修复方法。该方法通过引入边界项和正则化函数对优先权计算进行优化，采用狼群算法优化模块匹配算法，按照探狼游走、猛狼奔走、猛狼围攻、狼群更新的步骤，结合全局搜索和局部搜索寻找最匹配图像块，然后将最匹配图像块填充到待修复区域。实验结果表明，该方法具有更好的视觉效果，提高了峰值信噪比(Peak Signal to Noise Ratio，PSNR)和算法速度。　　然后，针对非整块区域的物体遮挡，本文提出了一种基于距离聚类结构组的稀疏表示图像修复方法。该方法引入欧氏距离表征图像块之间的结构相似性，通过设定阈值进行图像块聚类，将具有一定结构相似性的图像块分组;再对分组的图像块进行稀疏分解、字典学习、迭代优化计算，再重构得到修复图像。将本文提出的算法与TV算法、CDD算法、组稀疏表示算法(Group-based Sparse Representation，GSR)进行对比。实验结果表明，该方法取得了更好的图像修复效果，峰值信噪比获得提高，算法速度也更快。　　最后，总结了本文的工作并且对图像修复的发展进行了展望。