数字图像修复是当今计算机视觉和计算机图形学中的研究热点，它是利用图像中的有效信息来填充指定破损区域信息的一种技术。该项技术在保护文物、制作影视特技、修复老照片、去除图像中的文本或障碍物等方面，有着很高的应用价值。基于偏微分方程的图像修复是最重要的一类图像修复方法。其中常用的模型有BSCB模型、全变分（Total Variation，TV）、曲率驱动扩散（Curvature DrivenDiffusion，CDD）模型等。这类方法都是将待修复区域周围的局部信息自动向破损区域内部扩散以达到修复图像的效果，因此，只能对结构图像有较好的修复效果。本文在分析了上述各种局部偏微分模型的基础上，深入分析了一种引入非局部算子的非局部曲率扩散模型。该模型采用和待修复点局部相似的所有像素点来预测丢失信息，充分利用图像的整体信息，能够对细密的纹理图像也达到很好的修复效果。因此，本文针对各模型的优缺点，提出了一种基于非局部曲率扩散的自适应图像修复算法。通过对图像破损区域进行自动分类，使用改进的非局部CDD模型来修复周期性细密纹理破损部分，对图像中的结构破损部分则使用引入了自适应系数q的自适应曲率扩散模型进行修复。改进的非局部CDD模型能够充分利用图像的全局信息，同时加快扩散速度；自适应参数q可根据图像边缘细节的多少选择不同修复模型，使得在边缘细节多时使用C&E模型，其他时候使用QCDD模型，在增强CDD模型修复效果的同时，减少了修复时间。本文将提出的基于非局部的自适应图像修复算法和TV模型、CDD模型以及其改进模型等修复算法进行实验分析和对比，实验结果证明，所提出的基于非局部曲率扩散的自适应图像修复算法对图像中的结构部分和周期性细密纹理部分的破损都能达到很好的修复效果。