数字图像修复是指利用破损图像中已知信息,对其中特定区域进行合理的信息填充的过程。图像修复的目的是在不破坏图像的完整性和视觉效果的同时,恢复图像的丢失信息或者去除其中多余物体,并使修复后的图像看起来和谐自然。目前,图像修复已经成为计算机视觉中的一个研究热点。本论文在研究已有图像修复算法的基础上,分析小波变换域的图像特征,对基于小波变换的图像修复方法进行总结,并围绕图像分层分类的修复技术展开研究,探讨了一系列的修复模型和改进措施。论文的主要工作和研究成果体现如下:1.针对传统的图像修复算法在结构和纹理边界修复的不足,利用小波变换域的系数特征,将小波变换与纹理合成技术相结合,提出了一种分层、分类修复的图像修复算法。算法首先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图;然后对代表图像结构信息的低频子图,采用快速行进算法(FMM)算法进行修复;对代表图像纹理信息的高频子图,采用样本的纹理合成算法,结合小波系数引入边缘因子来更新优先权函数,利用层间系数预测关系改进匹配块的搜索方式。仿真结果表明,该算法对边缘破损具有良好的修复效果,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。2.针对基于小波变换的图像修复方法在修复高频信息时,对轮廓曲线的保持不够理想,利用边缘结构约束和小波变换系数特征,提出了一种基于小波变换与结构约束相结合的图像修复算法。对于高频子图,利用提取和修复的边缘轮廓信息来约束高频子图结构部分的修复,然后根据各子图中小波系数的特征,利用纹理合成的方法修复纹理部分。仿真结果表明,结合结构约束的分层、分类修复方法对边缘破损具有良好的修复效果。