页岩气储层孔隙结构特征对页岩气勘探开发具有重要意义。通过对页岩岩心的电镜扫描数字图像进行大范围地重构可以对这些微裂缝的微观结构进行更直观的观察,获得孔隙的大小、形态及有机质分布等,从而为研究页岩气的成藏机理、运移规律及开发提供基础数据。现有的数字岩心重构方法难以进行特征调控,为弥补现有方法不足,本文在图像纹理合成算法的基础上,提出了一种新的基于特征子图的且能够自由调控特征比例的数字岩心重构方法,并利用图像修复技术对其进行优化。结果表明该方法能够提高重构速度,控制重构岩心图像中矿石、有机质等组分比例,较好地保持了样本的局部结构特征,具有良好的应用前景。本文方法首先从原始页岩样本中挑选出若干特征子图作为训练图像输入,随后给每幅训练图像预先设置一个特征比例参数,再根据本文定义的挑选准则到对应的训练图像中进行匹配块挑选,利用图像缝合技术完成重叠区域的拼接,一直到整幅图像重构完成,最后还验证了算法特征比例参数的可调控性。与CIQ算法相比较,本文算法重构速度更快,重要的结构特征都得到了保留。为进一步提高重构的质量,本文接着对该方法进行了优化,在重构之前增加了图像修复环节,使用Criminisi算法修复训练图像背景区域的缺失部分,并针对不同分辨率下的页岩样本进行了三组实验。实验结果证明优化后的方法能将训练图像中更多重要的结构特征反映在重构结果中,对于不同的页岩样本重构均取得了令人满意的结果。本文主要工作包括以下几个部分:第一部分详细地介绍数字岩心研究背景、现状以及数字岩心的概念。第二部分介绍几种常用的数字岩心重构方法和纹理合成算法,如多点统计法和图像缝合算法。第三部分介绍了基于特征比例调控的数字岩心重构方法,以及其相关细节、具体算法流程等内容,并使用特征信息量大的页岩样本进行了重构,验证了算法的可调控性。第四部分主要介绍了上述算法重构之前的修复优化过程,利用Criminisi算法修复训练图像背景区域的空洞,分别进行了三组不同分辨率、不同特征信息量的页岩样本重构实验,验证了优化后的方法能有效地对不同的页岩样本进行重构。