自从2001年数字图像修复就成为了在多像素图像处理中新的研究领域。它的目标和应用是非常广泛的，从破损图像或相片的修复到自选区域的消除或替代等等。其主要目的是根据人眼视觉的特点和周围像素的特征来修复破损区域，使之效果更好。　　传统的修复方法主要分为两大类：一类是针对小面积受损区域，另一类是针对大面积的破损区域。前者主要利用基于偏微分方程(PDE)的图像修复，后者则主要利用基于纹理合成的方法。随着计算机技术的发展，出现了各种智能的方法来替代了传统的方法对图像进行处理，软计算就是一个典型的代表。　　软计算包括模糊逻辑、神经网络和遗传算法这几种模式，通过处理不确定、不精确及不完全真值的容错以取得低代价的解决方案和鲁棒性，这些模式是相互互补、相互配合的。在此，将分别应用神经网络和模糊逻辑来对图像进行处理。　　本文首先介绍传统的图像修复算法，并对其中有代表性的算法进行了详细的叙述，给出了仿真结果。在对传统算法进行充分分析的基础上提出了利用神经网络和模糊逻辑这一新的图像修复途径，做出创新性的成果。本文的创新性有：　　第一，利用软计算的理论，提出了基于自组织神经网络(SOM)和K-means算法的数字图像修复算法。　　第二，提出了基于模糊逻辑的图像处理算法。　　经仿真得出了较好的结果，验证了所用方法的可行性和优越性。