随着信息化产业的不断发展,数字图像修复技术在数字图像处理领域发挥着越来越重要的作用,图像修复技术的原理是利用图像中的已知信息来近似的恢复未知区域,以达到对图像的修复。近几年来,基于稀疏表示的图像处理技术受到了广泛关注,它利用图像信号的稀疏性对图像稀疏表示,再通过信号的重构算法恢复出原始图像。本文主要的研究工作如下:1.介绍了基于稀疏表示理论的信号修复算法原理,通过对一维数据的仿真测试验证了数据修复的效果,并通过选取不同参数进行对比实验,研究了不同参数对信号修复效果的影响。同时通过MATLAB平台实现了基于稀疏表示的图像修复。2.对比于传统采用的离散余弦变换(DCT)字典,研究了基于K-SVD算法生成学习型自适应字典,增强了字典对不同图像的适应性。将基于K-SVD算法生成的字典应用于稀疏表示图像修复算法中,通过仿真实验对不同类型破损图像进行测试,证明改进算法有更好的修复效果和适应性。针对不同类型的图像,采用学习型自适应字典的修复效果更好。3.采用尽可能重叠的提取图像像素的方式对图像修复算法改进,一定程度上提高了对图像的修复效果;并针对K-SVD算法计算复杂度高的缺点,和MOD算法中系数矩阵存在不可逆的情况,提出了对MOD算法的优化算法,将该算法与重叠采样提取相结合,提高了字典的自适应性和图像的修复效果。