数字图像修复技术是一项利用图像中的已知信息来填补图像中缺损区域的技术，它属于计算机视觉领域中的图像复原问题。图像修复一直都是计算机视觉领域中的重点研究方向之一，通常用于计算机多媒体编辑、图像中人物或文字的去除和图像中隐私信息的保护等。经过这些年的发展，该项技术已逐步成熟。尽管图像修复的方法越来越多，但是，完善图像修复理论、追求更好的图像修复效果，一直都是科研工作者的理想和目标。本文首先介绍了数字图像修复技术的研究背景和意义。接着，按图像修复算法的优化类型，将现有修复算法分为两大类，即：基于局部优化和基于全局优化的修复算法。本文研究的重点是图像中大块缺损区域的修复算法，为了突出本文的研究工作，第二章首先介绍了适用于小尺度缺损区域的基于偏微分方程的修复算法。分别介绍了偏微分方程中的三大经典修复模型：BSCB、TV以及CDD修复模型。但是，受理论框架的限制，基于偏微分方程的方法在修复大块破损区域时效果较差。因此，本文第三章介绍了Criminisi算法。该算法在修复大块缺损区域时表现较好。但是，对于结构性较强的破损图像，修复结果中的视觉连通性较差。针对该缺点，本文提出了改进的Criminisi算法。首先，本文设计了新的优先权函数，加强了待修复区域内结构分量所占的比重，从而加强了修复结果中的结构连续性。其次，本文采用更快速的搜索方式与更全面的块匹配准则，在获取更可靠的匹配块的同时，加快了修复速率。最后，通过实验验证了本文改进的Criminisi算法的有效性。尽管Criminisi算法相较于偏微分方程的方法在修复大块缺损区域时有较好的效果，但它们的本质都是基于局部优化的修复算法。有时，对于特定的破损图像，修复结果的整体视觉效果较差。本文第四章讨论了基于全局优化的Komodakis修复算法，该算法以MRF模型为基础，并用Priority-BP算法来优化其全局能量函数，该算法得到的修复效果更符合人眼的视觉特性。在深入分析Komodakis算法的修复原理及步骤后，针对该算法中标号筛选的阈值问题，本文提出了基于MRF的自适应阈值标号筛选修复算法。首先，用MSD(均方差)来评估每个MRF节点的标号匹配程度，自适应地设置其标号筛选的阈值，从而得到更合理的优先权以及更精确的消息调度。其次，本文结合Kmean算法来评估每个节点在不同簇下相应标号集的大小，从而自适应地对节点进行动态标号裁剪，使迭代能更有效地进行。最后，通过实验验证了本文改进的Komodakis算法的有效性。