图像修复是指利用图像的已知信息来填充待修复区域内已经丢失的或破损的信息，从而达到视觉上完整性的半自动化处理过程，在文物保护、影视特技制作（删除视频图像中的文字、标题等）、多余物体剔除等方面有着重大的应用价值，已经成为计算机图形学和计算机视觉中的一个研究热点.其中，基于纹理合成的图像修复算法（典型算法为Criminisi算法）因其能够从整体上把握图像的细节和纹理，从而达到较好的修复效果，因而得到了广泛的研究.　　本文从Criminisi算法优先级函数的选择以及容易造成边缘不连续等问题入手研究图像修复的改进算法.本文的主要工作如下:　　第一，介绍图像修复研究的现状及应用前景，分析目前修复的难点.通过分析几种典型的修复算法，分析它们的优缺点.重点介绍基于纹理合成的图像修复算法，了解Criminisi算法的改进方向.　　第二，针对Criminisi算法在修复过程中结构项的选择依赖于待修复区域的形状以及随着修复的进行置信度迅速降低为零，从而造成修复顺序出现偏差的不足，采用一种描绘灰度聚集的描绘子—熵，来对优先权中的结构项进行改进。仿真实验表明，改进算法消除了对待修复区域边界形状的依赖性，改变了置信度迅速下降为零的趋势，尤其对纯纹理、强边缘以及一些几何组合图形修复效果较好.　　第三，针对Criminisi算法在修复线性结构时，往往会因最后一个待修复块的不匹配而造成线性修复的不连续;同时由于优先级不能准确的区分纹理与结构，会造成纹理的延伸，针对这些问题，探讨了一种利用特定颜色对边缘结构进行线性标记的改进算法.算法首先对待修复图像采用特定颜色进行线性结构的标记，然后对该图像与原图像同时进行修复.实验表明，改进算法较好的克服了原Criminisi算法所存在的缺点，有较好的视觉效果.