图像修复是数字图像处理技术是一个重要分支,也是计算机图形学研究的重要热点。图像修复就是指通过图像中未受损的信息对受损区进行各种演算以得到最佳的修复效果。随着计算机技术的发展,加上国内外众多学者的多年工作,目前已经有了很多优秀的图像修复算法,例如基于偏微分方程(PDE)的图像修复算法,和基于纹理合成的图像修复算法等。基于偏微分方程的修复算法主要针对划痕、污点、文字等相对小面积破损做修复;而基于纹理合成的图像修复算法主要针对大面积破损区域做修复。这两者是目前主流的两种图像修复算法,可以说是针对图像受损程度大小应运而生的,并且在各自针对的领域里能够得到良好的修复效果。但各种修复算法都有其不足之处。人工神经网络近些年来越来越受到人们关注,它在处理各种非线性问题上显示出了强大功能,因此也得到了更广泛的应用,具有代表性的有误差往回传播网络、径向基网络、自组织网络等。近年来,人们开始运用神经网络进行图像处理并取得了很好的效果。自组织映射网络(SOM)是人工神经网络的一个重要分支,其最大特点是能够在无监督的情况下,映射输入数据的拓扑结构,还能对输入数据做自动聚类。本文利用SOM网络的这两个强大功能解决图像修复中的一些问题,并提出了一种基于SOM网络的优先修复结构信息的图像修复算法。本文首先研究分析了以往的图像修复算法,并在此基础上提出了一种基于SOM神经网络的图像修复算法,并对算法做了进一步改进。本文的主要创新成果如下:1、提出了一种基于SOM神经网络的优先修复结构信息的图像修复算法,并通过仿真实验证明了其可行性和有效性。2、进一步改进该算法以处理受损部分更加复杂的图像,即受损部分包含有两条结构轮廓线的情况,并通过仿真实验证明其可行性与有效性。