图像修复起源于上个世纪的八十年代,人们主要是对古代的文物字画进行手工的修复,而后由于数字图像技术的崛起,数据图像修复的技术也发展起来,成为图像处理的一个重要的方面。目前数字图像修复算法主要分成两个派别,一个是基于偏微分方程的图像修复算法,主要的思想是利用数学理论方式设计描述图像修复的偏微分方程(PDE),通过计算方程的解来完成图像修复过程。本论文详细阐述并比较了经典的几种PDE方法,如BSCB、TV和CDD模型,讨论了它们的优点与不足之处。另一个是基于样本纹理合成的图像修复方法。主要的思想是根据破损的区域的周边信息来在整幅图像上寻找最优匹配块,来填补缺损区域,从而完成修复工作,如Criminisi算法。另外本文也介绍了基于凸集投影的纹理修复方法(POCS),它是人工的修复方法,抠取与待修复区域具有相似结构且大小一样的纹理块,通过傅里叶变换将图像的相位与幅值信息相分离,把相位的影响因素去掉,根据凸集投影原理在幅值信息中完成修复工作。本文对以上的算法做了比较详细的综述,并根据模型的理解实现了相应的算法,给出了各个模型的修复效果,做了相应的结果分析,比较了它们之间的优缺点。同时在以上的模型基础上,本文提出基于高斯金字塔的置信传播算法,实验证明该算法能够较好地保持图像的纹理与结构信息。另外针对Criminisi算法的不足,本文也提出了改进纹理合成算法,在纹理合成过程中动态地选择复制图像块的大小,增加了一致性搜索策略加强图像视觉的连贯性,并在这基础上引入了人机交互的方法,解决修复具有复杂结构图像的难题,实验证明该算法有效,满足用户的需要。