在许多实际问题中,图像可能在获取、传输或者保存的过程中产生不可避免的缺陷,如医学扫描图像中的三维器官和病灶、遥感影像中的缺损现象、珍贵影像资料保存不善带来的划痕等,这类有缺陷的数据就称作不完备数据。不完备图像的处理和识别目前是一个崭新的研究方向。其方法之一,是采用有效的修补或补全技术,将不完备图像进行修复,得到缺失的部分的数据,进而进行后续的相关处理和识别。现有的图像修复技术主要可以分为两类:一类是基于几何图像模型的图像修补(inpainting)技术,该技术特别适用于修复图像中的小尺度缺损;另一类是基于纹理合成的图像补全(completion)技术,该技术对于填充图像中大的丢失块有较好的效果。本文工作的重点是研究对不完备图像数据完备化的方法。考虑到张量分析技术能够提供图像的几何结构信息,本文研究了基于张量分析的不完备数据的分析和修复等方法。论文首先详细介绍了图像的张量投票及其特征提取方法,并对不同的应用提出了两种改进的张量投票算法。在此基础上,本文分别提出了针对小区域缺失的自适应图像修复算法和针对大区域缺失的修复算法。在小区域缺失的修复算法中,建立了一种基于张量特征的优先权,用迭代的办法首先修复具有最大优先权的窗口,由于是自动选取窗口并根据窗口大小的不同而选择不同的阈值,这种方法具有更好的适用性。大区域修复算法则采用了一种结构修复和纹理修复的方法,首先补全图像缺失的结构信息,然后从结构和纹理上对图像进行修复,由于引入了对图像结构的推测,本文的算法能够取得更好的视觉效果和图像客观评价指标。实验表明本文的算法与传统方法相比,具有更好的图像修复效果。本文对不完备数据修复的工作也将拓展传统数字图像处理、计算机视觉、模式识别等方法的处理和应用范围。