纹理是板材的重要特征,板材的天然节子缺陷可能破坏纹理构造的均匀性和完整性,使纹理质量下降,大大降低板材的档次,这不仅影响板材表面的视觉性质和加工性质,吏重要的是影响其价值,不利于板材的有效利用。修复板材纹理具有极高的工业价值。它不仅可以用于木材的纹理检测,还可以广泛用于人造板生产、板材纹理涂饰等木材行业的各个方面,必将成为木材自动化加工生产线中重要的组成部分,有利于提高工业化生产精度及生产率。本文基于偏微分方程的图像处理及机器人视觉技术等方法,结合了单板的特点,对以往的修复算法进行整理,提出新的算法,实现旋切单板缺陷图像的有效修复。论文所作的主要工作如下：首先,本文对现今的主流图像修复算法进行了整理,指出了基于偏微分方程的BSCB修复及基于样本块的Criminisi算法修复算法分别适合于普通图像的单一的结构或纹理部分的修复,但是对于旋切单板表面缺陷的图像修复有其明显的不足之处,即BSCB算法只能对缺陷面积较小的结构部分的图像进行修复,而基于样本块的Criminisi算法只能修复纹理变化不明显的部分,对富含结构和纹理的图像无法较好的修复。为此,本文针对BSCB算法的不足提出了一种新的改进的BSCB算法,改进后的算法可以修复缺陷比较大的旋切单板图像,但是对于其纹理部分修复效果仍不理想。故本文又提出了一种将BSCB改进算法与基于样本块耦合的修复旋切单板表面缺陷图像的新的算法,应用这种新的算法,可以对单板节子缺陷图像的结构和纹理部分同时进行有效的修复。但是当单板纹理和结构部分的变化不是很明显时,该算法修复效果也受到了影响。最后,针对单一修复方法的局限性,本文又提出了一种新的基于图像分解的修复算法,即首先应用基于最小化的总体变分法将图像分解为结构部分和纹理部分,对结构部分用BSCB改进算法进行修复。对纹理部分,本文又提出了一种扩展的基于样本块的Criminisi算法,对其进行修复,然后将修复好的两部分图像叠加合成,且经过实验对比,效果较好,基本上能满足旋切单板的图像修复的要求。