数字图像修复技术是指针对数字图像中遗失或者损坏的部分，利用未被损坏的图像信息，按照一定的规则填补，以使得修复后的图像接近或达到原图的视觉效果。图像修复技术起源于艺术品修复，用于恢复受到损坏的绘画作品。随着近年来数字媒体的普及，数字图像修复技术也获得了多样化的应用，除了用于修复损坏的图像之外，还被应用于目标移除、超分辨率分析、图像压缩、视频错误隐藏等问题中。 从数学的角度看，图像修复是一个病态问题，因为没有足够的信息能够保证唯一正确的恢复被损坏的部分。研究者们从视觉心理学的角度出发，提出了各种假设限定来解决这个问题。因此，图像修复技术的本质是对视觉认知过程的学习、理解以及再现，对促进机器视觉的发展有着重要的作用。 基于以上考虑，本文将数字图像修复技术作为研究内容。通过对图像修复技术的系统分析和研究，指出了当前存在的问题并提出了一些改进算法。主要工作有和创新之处有： ①从视觉心理学的角度出发来分析图像修复问题，综合前人的实验结果并进行分析，总结出基于视觉认知的修复规律。然后以此为主线，对现有的多种图像修复方法进行了较为深入的分析和探讨。 ②在基于结构的图像修复方面，首先分析了基于TV模型的修复方法在扩散迭代中所存在的扩散速度以及边界保持之间的矛盾，然后提出了一种自适应的参数迭代方法，可以有效的改善修复效果并减少运算量。 ③在基于纹理的图像修复方面，通过对原算法的详细分析，指出了该算法在同时处理结构信息和纹理信息时所存在的问题，提出了一种基于Poisson方程的分离型修复方法，对纹理信息和结构信息分别修复。在处理结构图像时，我们引入了Poisson方程来进行处理。通过对结构信息的Laplacian场修复后再使用Poisson方程重建，可以使得修复后的结构信息光滑自然，并且避免因图像块复制粘贴而造成的块效应，有效的改善了修复的视觉效果。在处理Poisson方程时，我们使用不完全Cholesky共轭梯度法来求解，使得方程组在求解的稳定性以及速度上均有明显的性能提升。 ④提出了一种基于KL变换的彩色图像修复方法，并对修复质量评价问题给出了参考标准，同时对视频修复的发展、现状、存在问题以及研究方向进行了探讨。 综上所述，本文对数字图像修复技术进行了深入的研究，取得了一些有价值的研究成果。数字图像修复仍然是一个较有潜力的研究领域，值得我们进行更深入的研究。