小尺度受损的图像修复算法中,基于变分偏微分方程的传统方法效果善佳,但却太过耗时。近年来,在图像局部特性分析的基础上,直接基于等照度线扩散原理的修复算法得到了一定发展,较好的解决了修复效率的问题,但仍存在一些缺点。面对纹理信息丰富的小尺度受损图像时,可采用分层模型将图像分解为结构层和纹理层,并将基于等照度线扩散的修复方法与其他纹理层修复方法相结合,以取得较好的修复效果。本文首先综述了图像修复的研究现状及意义,并从数学角度和视觉心理学角度展示了图像修复的原理、原则和特征。其次,本文研究了基于等照度线扩散的FMM修复算法,并结合FMM的实现特点给出了一种适用于网络传输中数据包丢失造成的受损图像的矩形修复模板,通过仿真实验说明了该算法对小区域矩形破损的图像具有一定的修复效果。再次,本文研究了将受损点的等照度线估计算法与通过卷积平滑修复的算法相结合的算法(Convolution Inpainting based on Isophote Computation, CIIC)。为了更好的表达图像的多方向性和确定相应的卷积平滑模板,本文给出了一种采用改进Sobel算子估计受损点等照度线的方法,及判定所得等照度线方向时的允许误差,并通过仿真实验验证了该算法的可行性,对小区域破损图像取得了较快较好的修复效果。最后,本文研究了DCT和VO这两种图像分层模型,并仿真比较得出VO模型分层效果更好。在VO分层的基础上,将基于DCT变换的纹理层修复和基于等照度线扩散的结构层修复相结合,针对纹理信息丰富且破损区域稍大的图像,通过仿真比较了该算法和CIIC算法的修复效果,验证了该算法的可行性,并取得了较CIIC算法好的修复效果。