图像修复技术是数字图像处理范畴的一个热点研究领域,吸引了海内外一大批研究专家的关注,同时它也是一种基础性的研究领域,对数字图像处理的研究与发展具有重要意义。数字图像修复技术的目的是能够对图像丢失或破损的信息进行修补,并使图像尽可能地保持完整性、不被人眼所察觉。本文在对图像修复方法进行深入研究的基础上,以偏微分方程模型、小波分析和样本填充等为基础,提出两种图像修复算法,其主要创新点表现在以下两个方面:1提出一种基于非局域样本填充和自适应曲率驱动(CDD)模型的遥感图像修复算法。首先通过在非局部均值(Non-local Means)算法中引入欧式距离阈值进行基于约束的非局部区域多样本填充;然后提出一种基于梯度引导函数的曲率驱动模型,该模型的扩散强度可根据梯度模值和曲率大小自适应地进行调整;最后将该扩散模型应用于非局部区域多样本填充后的图像,较好地避免了CDD模型于修复过程中在一些极端情况下可能出现的假边缘、阶梯效应和扩散速度缓慢等问题。2提出一种基于冲击滤波自适应CDD模型和小波图像分解子带分别处理的图像修复算法。首先利用欧式距离与结构相似度加权计算出填充块,对图像进行样本填充;然后利用非下采样小波对填充后的图像进行分解,获得代表图像细节信息的低频子带与代表边缘信息的高频子带,并依据两类子带的特性采用不同的方式进行修复,以此来校准修复精度,具体:对低频子带,提出一种基于冲击滤波的自适应CDD模型,该模型能够较好地保证图像的边缘信息;对高频子带,进行基于欧式距离与结构相似度的样本填充;最后,对修复后的小波图像分解子带进行重构,获得最终的修复图像。大量的仿真实验验证了所提出的两个算法的有效性。其中第一个算法避免了CDD模型于修复过程中在梯度和曲率同时较大时可能存在的假边缘、阶梯效应和扩散速度缓慢等情况,使修复效果得到了很大改善;第二个算法在对图像进行有效修复的同时,很好地保留了图像的边缘细节信息。