数字图像由于某种原因而引发的自身局部信息丢失或者缺损，一定程度上破坏了图像信息的完整性。因此就需要数字图像修复技术来实现对缺失信息的有效填充，并且修复后的图像在视觉上要与原图像有很好的连贯性和相似性。鉴于常规空间域数字图像修复技术的局限性，本文根据图像的基本组成要素结构和纹理，分别在小波域、样图频域及二维非均匀频域等变换域进行数字图像修复算法的研究。具体研究内容如下：　　（1）基于高阶扩展二抽取小波变换的数字图像修复。　　通过将高阶扩展引入图像修复公式中的权函数，对二抽取小波变换图像修复算法进行改进。权函数的重要作用就是诠释出图像各像素间的相关性，使得待修复区域的边界像素依据其对权函数中各项因子的贡献来逐点处理。改进算法将权函数中的距离因子和时间更新因子进行高阶扩展，重新诠释它们对权函数的贡献。实验结果表明，经过高阶扩展的权函数能够充分有效地表达出图像各像素间的相关联程度，达到了比TV(Total Variation)模型、空域FMM(Fast Marching Method)以及频域FMM图像修复算法更好的修复效果。　　（2）基于样图的加权数字OFDR技术。　　填充次序在基于样图的图像修复中发挥着关键作用，在优化图像修复的过程中需要被优先确定。本文针对Criminisi等提出的算法(简称Criminisi算法)提出了改进算法。改进算法定义了新的优先权函数，即对权函数中结构因子的权重进行重新分配(加权方法)；或者针对不同的图像结构，构造特定的结构因子项与置信因子项的关系函数。重新定义的权函数更好地表达出结构项和置信项的关系，在尊重图像修复准则的前提下充分地体现出不同图像的结构特性，实现了比经典Criminisi算法更好的修复效果。　　（3）基于频域非均匀采样信号重建的图像修复。　　在信号系统中，大多数信号由于受到各种因素的影响，很难实现真正意义上的均匀采样。本文针对信号系统中普遍存在的非均匀采样技术，将其与数字图像修复技术相结合。具体方法就是为缺损图像，即相当于被非均匀抽样的数字图像在频域布局一个均匀采样的栅网，根据信号处理中时-频域的对应关系构建一种插值算法，在频域按照已经设定的均匀网格对待修复图像进行插值重建，完成对目标区域的补全。通过实验验证，证实了该方法能够有效地恢复待修复图像的原貌。