图像修复是图像复原研究中的一个重要内容，也是当前图像处理和计算机视觉领域中的一个研究热点。图像修复是对图像上信息缺损区域进行信息填充的过程，其目的是恢复有信息缺损的图像，并使观察者无法察觉图像曾经缺损或己被修复。该项技术在文物保护、影视特技制作、老照片的修复、图像中文本的去除、障碍物的去除以及视频错误隐藏等方面，有着很高的应用价值。该领域的研究，国外正在蓬勃发展，国内尚处于起步阶段。本文主要基于张量投票算法研究小尺度缺损的图像修复(inpainting)技术和基于纹理合成技术研究大尺度缺损的图像补全(completion)技术。 论文的第一章是绪论，介绍本文的研究背景及意义、国内外研究现状和应用前景、以及本文的结构和创新点。 第二章介绍了数字图像修复的基础知识的常用算法，介绍了图像修复方法论inpain-ting算法、纹理合成技术、成分标注算法等。 第三章主要介绍张量投票算法的原理、张量投票在图形重构中的应用、张量投票在图像修复中的应用等。 第四章研究的是小尺度缺损的图像修复技术。小尺度缺损的图像修复可以看作是一个去除噪声的过程，本文将张量投票算法和成分标注算法相结合，提出了一种新的去除噪声的算法，和传统的中值滤波以及单纯的使用张量投票算法相比，在处理效果上明显优于前者。 第五章研究的是大尺度缺损的图像修复技术。很多自然图像的纹理都有很强的方向性。在基于样本的纹理合成技术中，搜索纹理的匹配块时，利用纹理的方向特性，可以将搜索过程约束到沿着纹理的方向进行。本章在CriminisiA的算法基础上，加入了确定纹理方向过程，优化了纹理块的优先权和大小的计算方法。大量实验表明：该方法在处理强方向性的纹理图像的修复时有很好的效果，明显的提高了计算效率。 第六章总结论文的主要创新成果与研究结论，并提出了一些需要深入研究的问题。