随着计算机存储能力和计算能力的不断提高，数字图像处理技术也得到了飞速发展。作为数字图像处理领域一个重要的分支，数字图像修复技术在各个领域正发挥着越来越大的作用，成为了研究的热点。当前的数字图像修复技术主要包括两大类：一类为针对小尺度破损区域的图像修补技术，如基于高阶偏微分方程的算法；另一类为针对大区域破损图像的纹理填充技术，如基于样本块的纹理合成算法。小尺度修复算法目前已经比较成熟，本文主要讨论以修复大面积破损区域为主的纹理填充技术。论文首先介绍了数字图像修复算法的研究背景和意义，总结了国内外图像修复算法的研究现状。论文对传统基于样本块的纹理合成算法进行了阐述，并在原有算法的基础上提出了一种自适应样本块大小的图像修复算法。算法能够根据待修复区域周围的局部结构信息自动调节样本块大小，以满足不同结构区域信息自动修复的需要。仿真实验结果表明，该算法对具有复杂结构背景图像能够获得较好的修复效果。其次，论文讨论了两种基于图像结构特征改进的修复算法。1）是基于方向性搜索的图像修复算法。该算法利用Hessian矩阵，通过判定待修复块周围完好区域的结构方向，建立扇形搜索范围，从而将搜索区域限定在与待修复块结构相似的区域内。仿真实验结果表明该算法能够有效的提高修复速度，并减少误匹配。2）是基于结构稀疏度的优先权的改进算法。该算法取代了传统基于图像等照度线特征的结构项，利用待修复块的结构稀疏度寻找结构的填充前沿。仿真实验结果表明，该算法在修复结构图像、保持结构连续性方面能够取得较好的效果。论文最后讨论了一种基于结构传播的数字图像修复算法，该算法首先根据提取出的边缘信息进行边缘连接，然后以此为导向，对破损区域的结构信息进行结构修复，最后利用图像的分区结果对剩余的纹理子区域进行分别填充。此外，本文还利用求解Poisson方程的方法，对修复后的人眼较为敏感的结构信息部分进行了光学校正，实验结果证明了该算法的有效性。