随着科技的发展与社会的进步,计算机数字化时代的到来也带来了图像的数字化时代。图像作为我们日常生活中接触最多的信息,它的质量决定了人们对信息理解的准确度,因此高质量的图像在生活中十分重要。然而,由于图像在获取、传输、压缩的过程中都有可能受到噪声等因素的影响,造成图像不同程度的损坏,因此针对损坏图像的修复以及重建技术成为数字图像处理中的重点研究内容。图像修复技术就是利用图像中的已知信息来对图像中的未知信息进行预测的一种技术。目前现有的图像修复技术有许多,可以大致将这些技术分为基于结构的修复方法与基于样本的修复方法。其中基于样本的方法是目前的研究热点,最经典的当属Criminisi算法。但是Criminisi算法也存在许多不足,因此,本文针对Criminisi算法的不足就其优先权计算、匹配准则、置信度更新、样本块大小等几个方面进行改进来提高对图像修复的效果,具体的工作如下:（1）针对传统的Criminisi算法中优先权计算的问题、匹配准则、置信项更新等存在的问题进行改进,提出了一种基于边缘纹理结构的改进Criminisi算法。具体的,首先针对优先权的改进在数据项中引入边缘检测因子,提高数据项对弱边缘纹理的辨别能力;接着在优先权的计算中添加了局部特征检测项这一参数,增强了优先权对损坏区域图像直线特征与曲线特征的分辨能力,针对置信度在迭代过程中快速降低的问题,本文采用自适应分段计算的方法来解决这一问题。对于块匹配准则只采用样本块与待修复块之间颜色差异这一问题,本文对这一准则中加入了局部特征优化匹配准则,通过多重约束条件来保证最终匹配的样本块是全局最优的,更好的对图像的缺损部分进行修复;针对置信项的更新仍然采用分段计算策略避免置信项值快速趋于0。实验结果证明了该改进算法对大面积以及小面积缺损图像的修复效果均有较好的提升。（2）针对基于样本块的Criminisi图像修复算法对纹理复杂的图像修复效果不佳的问题,提出一种样本块大小的自适应选取的方法来克服这一问题。具体的操作为在改进的Criminisi算法的基础上引入四叉树这一数据结构来对图像进行四叉分解,通过四叉分解的图像块可以自适应的选择自己修复所需的样本块大小,使得待修复图像的每一部分都能得到较好的修复效果。实验证明了所提算法的有效性,将其修复结果与多种算法进行对比,可以看出该改进算法特别在大面积破损图像中的表现优于其他算法。