图像修复是指对图像中缺损部分通过某种算法自动进行补全的技术，图像修复技术有着广泛的应用范围，在老照片划痕修复、电影胶片污迹去除、古书画修复、图像压缩、机器视觉等方面均得到应用。　　 论文介绍了图像修复的基本原理，对近年来国内外图像修复技术进行了回顾和总结，重点介绍了基于偏微分方程的修复算法、采用纹理合成的修复算法、以及同时利用图像纹理与结构特征的修复算法，并对这些修复算法的优缺点进行了总结。　　 为实现图像的快速修复，论文在前人算法的基础上提出了几种改进算法：　　 对于整体变分修复模型与曲率驱动修复模型，修复时需要通过模型的数值差分方程进行迭代运算，修复速度很慢，为加快修复速度，本文提出了改进算法：算法由原有模型差分迭代方程导出加权平均形式，通过加权平均直接合成损坏像素，加权系数由梯度、曲率等结构特征决定，同时算法根据梯度分布确定修复优先级，优先级大的像素首先修复。这些措施使改进算法修复速度明显加快，同时保持了图像边缘特征。　　 其次，根据水平集理论的快速行进法和Telea等人提出的固定速度快进修复算法，本文提出了一种快进速度自适应变化的改进算法：该算法将修复区域边界设定为移动窄带，窄带内损坏像素的修复值由其邻域窗口内已知像素的加权平均来合成；修复时窄带前进速度根据局部纹理特征的不同而自适应变化，对于窄带上的某一点，如果该点邻域纹理特征较强，那么该处窄带前进速度就快。与固定速度快进修复算法相比，改进算法有利于将图像纹理延伸进修复区域，能更好地修复图像纹理边缘，避免了纹理细节的模糊。　　 最后，针对基于全局搜索的样本图像修复算法，本文提出了一种改进算法：算法根据马尔可夫随机场原理，在图像局部区域搜索匹配图像块，然后根据最佳匹配图像块修复一个像素点。与原算法相比，改进算法搜索速度明显加快，同时避免了图像块合成时的边界误差计算；改进算法利用等照度线和修复区域边界法线共同确定修复优先级，使图像纹理边缘得以修复。