图像修补旨在利用已有的信息对损坏的图像进行修复,在文物保护和影视特技制作等领域得到广泛的应用。目前主要有基于纹理的扩散、基于样例的纹理合成和基于稀疏表示三类修补方法,而基于稀疏表示的修补方法能够有效利用图像的稀疏性,以及缺损图像与完整图像在超完备的字典下有相同稀疏编码系数的性质,使得缺损图像得以恢复。然而,传统稀疏表示的图像修补,需要对图像块进行向量化处理,破坏了图像块的结构信息,进而影响其修补质量。针对该问题,本文进行了如下三方面的研究:1、设计并实现了一种基于加权结构稀疏表示的图像修补方法。针对传统字典学习没有充分考虑到图像块具有相似结构信息的问题,构造分类字典的稀疏表示模型,充分利用图像块之间的结构信息,对其进行纹理分类,再分别进行图像修补;其次在图像修补时,利用缺损区域周围的邻域信息,进行加权的联合稀疏编码,充分考虑到了图像块的相似信息。利用上述模型,分别对自然图像的掩膜、字母、噪声的缺损进行修补,结果表明,在这几种基本字典和算法中,基于结构信息分类字典下的PSNR和SSIM数值结果和视觉效果最好。2、设计并实现了一种基于图像块双几何结构的图像修补方法。针对传统图像修补中,单独的对每一个图像块进行处理,没有考虑到图像块本身纹理结构信息的缺陷,将图像块处理建立双几何结构模型,充分利用了图像块的局部自相似性和非局部自相似性;其次使用自适应字典学习的模型与学习算法,根据修补图像块的不同,自适应的建立字典,提高修补精度和效率;最后建立了组结构稀疏模型用于图像修补,进一步提高了其修补质量。利用上述模型,分别对自然图像的掩膜、字母、噪声的缺损进行修补,结果表明,相比其他同类方法相比,图像块双几何结构自适应字典的图像修补方法,数值结果有较大的改善。3、设计了一种基于结构信息的张量稀疏表示算法。在图像二维模型的基础上,针对传统图像修补,需要对图像块进行向量化处理,破坏图像块本身纹理结构信息的缺陷,同时考虑自然图像的空间结构信息一致性,在二维的双几何结构模型基础上,建立张量的三维空间模型,用于自然图像的修补,进一步提高稀疏编码的效率。通过对自然图像的掩膜、字母、噪声的缺损仿真实验表明,本章提出的方法能得到的修补数值结果和视觉效果得到了很大的提高。