随着人类科学技术和计算机技术的飞速发展，人们对数字图像处理技术的要求不再只是停留在简单地对图像进行处理，为满足一定的需求，达到一定的目的，对图像的特殊化处理逐渐成为人们争相研究的课题。以对图像进行目标与背景分离的图像分割技术和对破损区域进行修补还原的图像修复技术为两个典型代表。这两种技术的发展不仅能推进数字图像处理的深入研究，还可以扩大其在不同领域中的广泛应用，对人类技术的发展和生活水平的提高有重要意义。本文首先介绍了基于核函数的FCM算法（KFCM），该算法对于具有模糊性和不确定性的数据集有很好的聚类效果，但存在两个缺陷：一是事先不知道分类数，需要人为地设定，二是对噪声比较敏感。依据上述两个缺陷提出一种改进的KFCM算法，并引入到图像分割中。该算法先用k均值聚类算法估计聚类数，再用KFCM算法进行图像分割，为降低噪声的干扰，对隶属度函数进行修改，使新算法的隶属度为其周围像素隶属度的平均值。实验结果表明：新算法不需要人为地确定分类数，并且比经典的FCM算法和KFCM算法能更好地避免噪声的影响。其次，在对压缩感知理论有一定研究的基础上，提出一种基于遗传匹配追踪（GMP）的图像修复算法，该算法采用GMP寻找最佳原子。使用单一的选择算子会导致早熟并且降低种群的多样性，为解决这个问题，首先选择精英保留策略，然后为了保护种群的多样性利用联赛选择方式来降低选择压力，最后为了加快收敛利用旋轮法来提高选择压力。将改进后的混合选择算子应用到本文提出的图像修复算法中，实验结果表明：本文提出的图像修复方法具有一定的可操作性，并且修复效果更接近原图像。最后，对全篇的工作内容进行了总结，提出下一步要解决的问题和研究方向。