随着数字时代的发展，数字图像处理在人们的研究领域中所占的比重越来越大，数字图像修复作为数字图像处理中一门新兴的学科，是其他图像处理领域中比如图像压缩(Imagecompression)、图像增强(Image enhancement)、图像复原(Image restoration)等都要涉及到的内容。对图像修复的研究可以极大地促进其他领域的研究发展，具有主要的意义。而且，在现实生活中具有广泛的应用也是图像修复成为研究热门的原因之一。基于偏微分方程(PDE)的图像修复技术作为图像修复中的一类，虽然可以取得良好的修复效果，但其算法在修复图像时所耗的时间常常令人无法接受，并且只适用于修复破损区域较小的图像。而另一类基于纹理合成的图像修复技术可以修复破损区域小的图像，也对大面积破损或大目标去除的图像也具有良好的修复效果，而且时间复杂度远比前者低。本文主要是对基于纹理合成中经典修复算法之一的Criminisi算法的分析研究，并提出一些有意义的改进方法。第一章介绍了论文研究的背景、目的、意义和国内外研究现状和发展，描述了数字图像修复的问题，难点和评价标准。第二章主要详细地介绍了两种基于PDE的经典图像修复模型，三种基于纹理合成的经典图像修复算法。特别是对其中的Criminisi算法进行详细的描述，包括算法步骤和算法实现细节等。第三章是针对Criminisi算法提出了基于可变大小模板的改进图像修复算法。详细地分析了Criminisi算法的缺陷，并针对性地提出改进方法。首先是分析Criminisi算法采用固定模板的局限性，不能很好地达到修复目的，针对此局限性，提出了基于可变模板的方法。接着在基于可变模板的基础上分析Criminisi算法没有考虑到模板匹配的精度可能造成的错误修复顺序，针对这个缺陷，提出一种信度更新的改进方法。然后分析了Criminisi算法没有利用图像自相似性，采用全局的搜索方法，造成时间成本大幅度提高，对此本章提出了一种局部搜索的方法。最后给出的实验仿真结果证实了改进算法的有效性和实用性。第四章针对Criminisi算法在第三章的基础上提出一些有意义的改进思想。利用图像多分辨率的优势，本节引入了一种基于高阶广义相异性测度来提高纹理块匹配的精度；利用图像的自相似性，进一步改进了第三章的局部搜索方法。此改进算法很好地保持了图像结构在待修复区域的延伸，但对纹理的合成不是很好。最后通过对实验结果的分析，指出改进算法的优缺点以及仍需改进的方向。第五章对本文所做的工作进行了总结。