遥感图像在成像过程中由于复杂气象条件和光照条件等因素影响以及遥感器自身探测单元的性能退化等原因,使得图像中常存在一些条带、噪声、云雾遮挡和阴影等现象,导致图像质量变差、干扰区域无法解译,给遥感图像后期处理带来一定困难,需要对这些干扰区域进行合理的修复。　　 遥感图像修复方法是利用数字图像修复技术实现遥感图像受干扰区域修复的一种图像处理方法,主要研究内容有缺失信息修复或目标物去除。本文对基于结构和纹理的图像修复技术做了系统的研究,提出了一种遥感图像局部信息缺失的修复方法。论文的主要内容包括以下四个部分:　　 (1)在传统分解方法基础上,研究了基于形态成分分析(MCA)的图像稀疏分解算法,将遥感图像分解为结构、纹理和噪声三部分,为进行基于分解的图像修复方法做前期准备;　　 (2)研究了基于变分PDE的图像修补方法和基于纹理合成的图像补全方法,并改进了基于纹理合成的Criminisi图像补全模型;　　 (3)利用基于变分PDE的CDD图像修补模型和改进的Criminisi图像补全模型修复小尺度破损遥感图像,如干扰条带、椒盐噪声的去除;　　 (4)利用改进的Criminisi图像补全模型修复大尺度破损遥感图像,如去云彩和阴影。　　 应用结果表明,基于MCA稀疏分解的图像修复方法对小尺度干扰条带去除有良好的效果,能够同时保持修复后图像的平滑结构和细节纹理信息;CDD和改进的Criminisi图像修复模型很好地克服了经典去噪模型去除椒盐噪声时的多项局限,能够同时去除“胡椒”噪声和“盐”噪声、对彩色图像易于处理等:改进的Criminisi图像修复模型对大尺度云彩、阴影等遮蔽物的去除具有符合人眼视觉的效果。