随着计算机视觉技术的蓬勃发展,图像修复作为该领域的一个重要分支引起了广泛的关注。图像修复的目的是对有信息缺损的图像进行修补,使观察者无法察觉到图像曾经缺损或已被修复。包含丰富纹理信息的图像以其复杂的信号特征对图像修复提出了新的挑战。论文结合图像纹理的特点,从待修复区域提取、图像纹理修复和修复质量评价三个方面开展纹理图像智能修复的关键技术研究工作,对于图像特定对象去除、传输错误隐藏和特效制作等具有重要的理论参考意义。在待修复区域提取阶段,针对包含缺失信息的纹理图像提出一种由粗到精的缺损区域自动定位方法,以高斯滤波和阈值法获取粗定位曲线,并建立模糊Chan-Vese主动轮廓模型自动演化粗定位曲线至目标边缘。针对细粒度背景下的强对比度纹理修复区域提取问题,提出一种两通道目标纹理分割算法,将非线性扩散后的边缘与灰度特征作为图像特征通道,建立包含调整项与模糊因子的两通道纹理提取主动轮廓模型,并以具有较大差异的特征为主导项驱动曲线演化,实现对强对比度纹理的无监督提取。实验结果表明,算法较好的解决了包含多种缺损类型和目标纹理的图像特定区域提取问题。在图像纹理修补方法研究中,针对由样本块间像素值突变引起的块效应问题,提出一种结合块关联匹配与低秩矩阵超分辨的修补算法,增加相邻修复块在重叠区域的关联性约束,并引入带噪低秩矩阵填充算法保持修复图像的纹理与色彩变化连续性。针对图像修复中的结构不连贯问题,提出一种基于动态尺度块匹配的图像链式优化修复算法,以多尺度块匹配方式二次搜索目标候选块,建立基于块间关联匹配特性的优化修复模型并采用动态规划法求解,实现对图像的由外向内修复。实验结果表明,算法对多种自然图像的修复达到了令人满意的效果。针对修复图像质量评价问题,提出一种结合视觉关注机制和图像统计特性的修复质量客观评价方法。通过分析人类视觉特性,将修复质量评价问题转化为人眼对图像不同区域的注意力集中问题；依据视觉显著图和图像内在特征建立结构修复指标和纹理修复指标,并结合人眼的感知分层形成最终评价体系,完成对修复图像的客观评价。实验结果表明,评价算法与人眼主观评价具有较高的相关性。