图像修复算法的目的是恢复图像中破损的信息或是移除其中不必要的物体,使图像恢复完整性。当前主要有两类经典的图像复原算法:基于偏微分方程的图像修复算法和基于纹理合成的图像补全算法。本文首先介绍了两类经典算法的原理及实现,并分析了两者的优缺点。针对TV图像修复算法容易产生模糊的缺点和基于纹理合成的图像补全算法容易造成匹配错误的不足,本文利用贝叶斯网络理论将这两种算法整合。此算法的实质是针对图像特征提出相应的能量目标函数,然后用信度传播算法将其最优化,将选择出来的最匹配块复制到缺损区域得出修复后的图像。本文提出了新的能量函数,它包括了结构能量、纹理能量以及相关性能量。正是由于新的能量函数综合了结构和纹理信息,使得该算法弥补了两类经典算法的不足,使得既能保留结构信息又能避免模糊效应。本文同时采用了基于小波变换的多分辨率图像金字塔来解决大面积目标区域的结构信息修补不完整的问题。小波变换将图像分解成低频和高频部分。根据高低频不同的特性,对低频信息采用综合结构信息的图像补全算法进行修复,而用基于纹理合成的图像补全算法修复高频部分。最后利用小波逆变换将所有修复好的高低频部分重构出完整的图像。该算法经过实验证明它能有效地恢复目标区域中缺损的结构信息,提高修复质量。本文最后将综合结构信息的多分辨率图像补全算法应用到古画恢复领域。阐述了古画复原的特点及问题,总结了古画复原的研究现状,并分析了该算法对古画复原的作用。本文对古画的背景颜色和缺损区域进行处理,尽量使古画恢复原貌,这对古画的保存和研究有很大的意义。