对图像破损或丢失区域进行修复在数字图像处理领域是一个重要分支。同时也是信号处理,计算机视觉以及计算机图形学的热点问题。其主要任务在于让计算机自动按照人眼视觉特点,根据图像破损区周边的信息来修复指定的破损区。传统的图像修复方法可大致分为两类。一类是主要针对于污渍、划痕、文字等相对小面积破损区域做修复的基于偏微分方程(PED)的数字图像修复算法；另一类是主要针对相对大面积破损区域做修复的基于纹理合成的数字图像修复算法。软计算,同时也被称为智能计算,最初是由L. Zadeh于1991年提出。他将人工神经网络、模糊逻辑、以及遗传算法归为软计算范畴,以区别传统的计算模式。在近年来随着计算机硬件性能的提高,软计算得到了越来越多的关注。在此将分别讨论软计算在对小面积划痕进行修复和对大面积破损区域进行纹理合成上的研究与应用。本文在将首先对传统图像修复算法进行分析介绍,并就具有代表性的算法模型给出具体的修复原理和仿真效果。在充分分析传统算法的基础上,提出一种新的图像修复途径,做出以下创新性研究成果：1、将软计算理论引入数字图像修复领域,首次提出了一种基于自组织神经网络(SOM)的数字图像修复算法。2、改进基于自组织神经网络的数字图像修复算法,提出了使用自组织网络基于样本块的图像修复算法,该算法强调对线性结构的修复,从而更符合人类视觉的连通性原理。3、提出一种基于遗传算法(GA)的图像修复算法。此算法通过GA优化可依据人类的视觉习惯对相对大尺度的结构信息破损进行修复。经实例仿真验证了上述算法的可行性与优越性。