图像修复技术在图像处理领域中扮演着不可或缺的角色，是图像处理和计算机图形学中的一个研究热点，在特定目标移除、影视特技制作以及图像的有损压缩等方面有着重大的应用价值。　　本文首先对图像修复的经典算法以及修复算法评价的相关知识进行了简单介绍;然后从稀疏表示模型、稀疏分解算法和字典学习算法三个方面对稀疏表示的基本理论进行了叙述，并对稀疏表示的修复性能进行了仿真验证。　　接着针对Criminisi图像修复算法进行了研究，分析了其中的不足，从三个方面进行了改进:针对待修复的标记区域，引入数学形态学进行预处理，消除细小孔洞，平滑修复区域边缘;在优先权的计算公式中，引入一个权重参数，用以平衡数据项和置信度之间的关系;在最佳匹配块的搜索与填充中，引入稀疏表示的方法，对待修复块进行直接修复，避免了最佳匹配块的搜索与判断。仿真结果表明，基于稀疏表示的Criminisi图像修复算法，其修复效果不仅视觉上能够满足人的需求，而且在客观评价（峰值信噪比和结构相似性）中也优于其它修复算法。　　最后将改进的图像修复算法用于缺陷检测中，将缺陷图像看作是背景图像和缺陷目标的叠加，利用方差法提取出待检测图像中的“疑似缺陷区域”，运用改进的图像修复算法，对“疑似缺陷区域”进行修复，构建出背景图像，接着使用背景差分法及滤波操作，得到检测结果。仿真结果表明，本文方法在通用性和准确性方面，都优于其它方法，具有一定的实用价值，为缺陷检测方法的研究提供了一种新思路。