图像修复技术是指从一幅包含缺损区域的图像中提取己知像素的的信息并利用其信息填充未知像素区域,并使得填充的结果保持结构信息上的连续性和纹理信息上的一致性。图像修复技术应用广泛,在图像处理、计算机视觉、人工智能等诸多领域都有涉及。随着近些年来电子技术和传感技术的发展,使得对于更加高精度和更加实时性的图像修复和图像编辑功能的需求正日益增长。本文以修复大面积缺损区域中的纹理和结构为目标,通过全面分析图像修复领域的多种经典研究方法,详细比较了这些方法各自的优缺点和适用条件,由此提出了图像修复领域存在的不足和面临的挑战。并主要针对当前算法对于图像中结构部分的恢复能力不足,分别从两个方面进行增强,构成了论文的主要创新点：1.本文首先利用图像块匹配统计特性能够增强图像中的主体结构信息的特性来改进基于贪心块匹配算法中的误差累积问题,同时结合交互输入对于图像结构分量的信息补充,提出了一种基于图像块匹配统计特性和交互输入的图像修复算法。我们将论文所提算法与多种经过优化过的块匹配算法进行对比,实验结果表明该算法的有效性。2.其次,通过在计算机视觉领域广泛运用的结构描述算子来增强图像中的结构信息,以及利用基于全局优化修复算法中最具代表性的图分割能量优化算法,设计了一种新颖的基于方向梯度直方图特征(简称HOG)的全局优化的修复算法。该方法能很好地解决非全局最优化造成的复杂结构信息不能较好恢复的问题,在大量不同类型的数据上的实验结果说明了该算法在修复效果和修复效率上都达到了领先水平。通过以上研究,我们认为,针对图像结构信息增强的图像修复算法能够更好地恢复人眼较为敏感的结构信息,从而极大地提升算法的效果；同时,以算法实用性为导向可以避免传统算法中牺牲效率提升性能或者牺牲性能确保效率的诸多弊端。本文所提的两种算法均能够在算法高效运行的基础上保证对于图像中复杂结构信息的恢复,算法具有良好的鲁棒性和较强的实用性。