随着数字时代的到来,许多珍贵的档案图片、古文字画、老电影等被扫描并保存在计算机中。然而,在保存过程中,由于一些自然或非自然因素的影响,图像往往容易出现一些缺损；另外有时还需要对照片中一些不感兴趣的部分进行选择性移除。在这种情况下,数字图像修复技术应运而生,并得到了广泛关注。数字图像修复是从人的视觉角度出发,在一定的原理或算法的引导下,实现对图像中未知破损区域的修复,使观察者察觉不到修改的痕迹,并使修复后图像的视觉效果清晰自然。现阶段的数字图像修复算法主要分为两个大方向,即：用于弥补小尺度划痕和斑点的修复技术,以及用于填充大目标去除后空白区域的背景补全技术。目前,用于小尺度修复的技术已经比较成熟,本文中不再作具体介绍；论文主要以修复大区域的缺损信息为目的,对几种修复算法的原理、流程、效果进行了深入研究。论文首先概括了数字图像修复算法的背景及意义,总结了不同修复技术的发展历程和现状；然后对经典的纹理合成算法进行了深入的讨论,并在此基础上对算法进行了改进,提出了一种非均匀纹理的大区域图像修复算法；该算法通过添加方向性优先权系数,对修复的顺序进行了改善,同时限定了最优匹配块的搜索范围,在提高效率的同时减少了误匹配。对于具有明显结构信息的图像,本文研究了基于结构传播以及区域分解的修复算法。算法首先对人眼较为敏感的结构信息进行连接恢复,然后利用这些曲线作为分水岭将图像进行分区,最后对剩余区域进行分别修复。仿真结果表明,这一算法可以对复杂的结构图像得到较好的修复效果。本文最后将图像分解技术应用到修复领域中,深入研究了基于模型分解的修复技术；通过将破损图像分解成纹理和结构两幅子图像可以分别对结构和纹理进行修复。此外,本文还利用该技术对结构传播的修复算法进行了改进,最终通过实验效果分析了上述算法的优点及不足。