数字图像修复是图像复原算法中的一个重要部分，在数字图像处理领域中扮演了一个不可缺少的角色，它的目的是利用图像中的已知信息来修复图像中丢失的区域。非局部均值算法利用了图像中的冗余信息，充分估计了不同样本块对于填充块的贡献，已成为图像修复领域的一个研究热点。本文在基于样本的非局部均值算法基础上，对这一类算法中如何计算样本块的相似性进行了深入的研究，并提出了几种新的非局部均值图像修复算法。本文的主要工作如下：(1)提出了一种基于自适应权值的非局部均值图像修复算法，该方法针对基于块的图像修复算法中非局部平滑参数是由大量实验得到的一个经验值的问题，在贝叶斯非局部估计框架的基础上，推导出了一种新的自适应权值，准确的计算了图像修复算法中的非局部平滑参数，并在一定程度上提高了现有图像修复方法的修复效果。(2)提出了一种基于同质相似性的非局部均值图像修复算法，该方法在一定程度上改进了现有图像修复方法中样本块相似性计算时只使用结构信息的不足之处。并重新定义了相似性权值的计算方法，更准确的估计了不同样本块对于填充块的贡献。以使算法能够在图像细节方面的修复更加清晰准确。(3)提出了一种基于局部一致性的非局部均值图像修复算法，该方法根据局部块的一致性约束条件，提出了一种新的优先权计算方法，使图像块的修复顺序更加准确。然后，根据已知部分与未知部分的最小允许误差，推导出了一个新的自适应权值公式。与现有图像修复方法相比，该算法对于图像中边缘与纹理的修复效果有明显的改善。本论文工作得到了高等学校学科创新引智计划(111计划)(No. B07048)以及教育部“长江学者和创新团队发展计划”(IRT1170资助)。