图像修复是图像处理领域的一个研究热点，在文物保护、影视特技制作、虚拟现实、视频错误隐藏和多余物体剔除等方面，有着很高的应用价值。基于非纹理的图像修复算法和基于纹理合成的图像修复算法是两类典型的算法。本文分析了这两类算法的优缺点，从以下几个方面进行了深入研究：首先，针对小面积缺损图像的修复问题，改进了基于整体变分(Total Variation)模型的图像修复算法。传统的TV模型修复算法对参数.的选取较敏感，且运算量较大。现提出一种自适应调节参数.和迭代停止阈值的多轮迭代的TV图像修复方法。在迭代初期选用较大的.和较大的迭代停止阈值，以致邻域信息扩散进去并使得迭代速度加快。在迭代后期，选取较小的.和较小的迭代停止阈值，使得锐利边界能够保持。该方法不仅能够有效地提高TV算法的稳健性，改善其修复效果，并能显著提高运算速度。其次，改进了基于纹理合成的图像修复算法。针对Criminisi算法优先权函数不准确等缺点，改进优先权函数，重新定义置信度项和数据项；另外，在搜索匹配阶段，通过引入块的色彩平均值，对所有待匹配样本块进行预筛选，这样不仅可以加快图像修复过程，也减少了修复误差。通过matlab仿真实验，改进算法的修复效果优于Criminisi算法。最后，基于纹理块采样方法，提出一种交互式的图像修复模式，通过设置“交互掩膜”将已知区域进一步细分为无关区域和样本区域，待匹配块只从样本区域提取数据。实验表明，该模式能得到令人满意的修复结果，同时节省了修复时间。最后，采用图像分解技术，将待修复图像分解成结构图和纹理图。结构图采用改进的TV模型修复算法进行修复，克服了对参数.的选取敏感的问题，保持了锐利的图像边界；纹理图采用改进的基于纹理合成的图像修复技术，图像的纹理细节得以保留，最后将结构图和纹理图叠加即得到最终的修复图像。实验表明，该算法在修复效果和峰值信噪比结果方面均优于原始算法。