我们常说“一图胜千言”,图像在我们的生活中占据着重要的地位。网络技术与数字技术在不断的发展进步,使得数字图像在各种电子产品中有着越来越广泛的应用,但数字图像由于其本身的特性会在它传输,存储等过程中会引起图像的一些局部信息发生信息缺损。而在其他领域的一些应用里,为了获取图像的全部信息,也要对图像进行必要的修复。所以,对于数字图像修复相关算法的研究其重要性也就不言而喻。按照图像修复方法与理论的一些不同特点,我们把常用的图像修复算法大致可以分为两种：第一种方法是在偏微分方程基础上的,该方法着眼于一副图像中的结构信息,用其来修复图像中较小程度的损伤。另一种模型则是基于图像自身纹理与结构。这种方法主要使用图像的纹理信息来修复图像中较大的信息丢失或破损。本文首先对数字图像修复技术的背景知识进行了相关介绍,接着对其数学理论与基础简要的进行描述分析。将图像修复领域中较为经典的三种模型做了详细的讨论与介绍,分析了这三种模型的优缺点,给出了相关实验。然后对Criminisi算法进行了研究分析,并在此基础上,对基于纹理合成的修复算法做了相关改进,包括了对原算法优先权计算公式,对搜寻匹配块搜素区域,对计算待修复块与匹配块的相似度度量函数改进。原算法的优先权计算时,由于两个参数都是归一化的,导致置信度忽略了已知像素的比重,改进后的置信度函数提高了已知信息的比例,同时给数据项中增加了待修复块的颜色相关信息,提高了优先权选择的可靠性；在待修复块寻求匹配块时原算法采用的是遍历的方法,本文引入一个比例系数,通过系数来确定匹配块的寻找范围,有效的缩短了匹配块的寻求时间；在计算待修复块与匹配块之间的相似度时,原算法没有考虑到待修复区域的纹理信息,修改后的相似度公式可以考虑到距离信息,并且把有限的计算量放在更合适的地方,从而改进了修复效率。最后通过实验验证得知,与算法相比改进后的算法修复结果更为可靠,有效。