图像修复是指在图像有破损或希望移除图像上某一对象时,利用已知图像信息按照一定规律对信息缺损区域进行信息填充的过程,最终使填充后图像达到或尽可能接近原图的视觉效果。视觉是人类接收信息的主要途径,而图像信息是人类接收的最主要的视觉信息。图像在传输的过程中难免会受到损坏,因此图像修复已经变得至关重要,尤其是在互联网飞速发展,信息的共享、传输、交换已经变得非常频繁的今天。本文从介绍数字图像修复的研究背景及研究意义入手,接下来介绍数字图像修复的主流方法即基于偏微分方程、基于纹理合成、基于稀疏表示。主要重点放在基于纹理合成方法中的基于样本块的图像修复算法上和基于图像块稀疏表示的图像修复方法。在深入研究传统的基于样本块的数字图像修复算法过程中,针对样本块的数字图像修复算法中出现的块状效应的不足,提出了改进基于样本块的数字图像修复算法。本文的改进方法还是在基于样本块图像修复方法的框架下进行,主要改进的是边界像素点的权值计算。在中心像素点权值计算时引进图像灰度熵项,并考虑到随着修复过程的不断进行置信度迅速下降到零,从而导致错误的填充顺序,致使图像修复效果变差的影响,把权值计算由相乘变成相加。并把最佳匹配块的搜索区域缩小在一定邻域内,以缩短运算时间。在深入了解稀疏表示的理论和基于图像块稀疏表示的图像修复方法的基础上,考虑自然图像中非局部相似块的特性,结合高斯混合模型,提出了结合高斯混合模型的基于非局部相似块稀疏表示的图像修复方法。该方法很好地利用了相似块之间的结构特性。图像质量评价对图像修复方法的效果、性能的比较至关重要,本文主要从主观和客观两方面进行评价。实验表明本文提出的改进算法对比传统基于样本块的数字图像修复算法块状效应变小。同样,本文提出的结合高斯混合模型的基于非局部相似块稀疏表示的图像修复方法要明显优于基于图像块稀疏表示的图像修复方法。