数字图像修复技术旨在将图像的破损区域(或者去除多余物体后的空缺部分)修补或重建,以保持图像的完整性和整体视觉效果,它是计算机图形学和计算机视觉领域的重点研究内容之一。图像修复技术主要可以分为两种:一种基于偏微分方程算法,适用于划痕、斑点等较小破损面积的修复;另一种基于纹理合成算法,可用于较大破损面积的修复,这是该领域的研究重点,代表了未来的研究发展方向。本文主要对基于样本块的纹理合成算法进行深入的分析和研究,通过利用图像破损区域附近完好的信息,对待修复区域进行块匹配和复制,从而达到图像修复的目的。论文首先分析了数字图像修复算法的背景及其研究现状,着重阐述了基于样本块的图像修复算法,介绍了算法各阶段的实施过程及其对视觉效果的影响。其中,优先权的计算、置信度更新,以及相似性度量函数直接决定了图像修复效果的优劣。其次,论文对传统基于样本块图修复算法的优缺点进行了总结,指出传统算法置信度值在更新阶段下降过快,计算得出的优先权值迅速趋向于零,引导修复方向出现错误;此外,传统算法通常采用最小绝对差平方和(SSD)准则来寻找最优匹配块,仅考虑颜色的差异,匹配准则单一,精度有限,缺乏鲁棒性,容易产生误匹配。为解决上述问题,论文提出一种新的置信度更新函数,以抑制置信度衰减过快的现象,提高引导修复方向的准确性;同时引入Census变换匹配准则,将其与传统SSD匹配准则相结合,以提高匹配精度。仿真实验结果表明,本文算法对于复杂的结构图像仍然可以获得理想的视觉效果。最后,论文提出了一种基于多尺度的图像修复算法,为克服多尺度分解过程中边缘以及细节信息的严重丢失问题,利用具有保边缘特性的权重引导滤波算法对破损图像进行下采样的多尺度分解。在对各尺度的图像修复过程中,将原优先权中的数据项与图像的曲率和结构特征信息相结合构成新的数据项,修复顺序较原算法更为可靠,仿真结果证明了本文算法的有效性。