数字图像修复是对破损的图像进行填补修复,或将图像中需要移除的物体去掉,同时保留图像完整的视觉效果。作为图像处理学和计算机视觉领域中的一个研究热点,图像修复技术在老照片修复、划痕移除、特技制作、数字恢复等方面都具有重要的研究价值。目前的数字图像修复算法主要分为两大类:一类是基于偏微分方程的小区域破损图像修复算法,另一类是基于纹理合成的大区域破损图像修复算法。针对小区域破损的图像修复算法主要是通过计算偏微分方程,进行信息扩散;大区域破损图像的修复则主要基于纹理合成算法,即通过在图像的未破损区域找寻与破损块最相似的样本块图像,按一定顺序对破损区域进行补充。本论文主要针对后一种情况开展相关研究。论文首先对数字图像修复算法的背景和国内外研究现状进行了介绍,着重分析了基于样本块的图像修复算法的原理、各阶段的实现过程、计算原理和方法,并对实验仿真结果进行了分析,指出了传统基于样本块的图像修复算法存在的一些问题。其次,传统基于样本块的图像修复算法只能通过平移来寻找破损块的最优匹配块,当破损区域与未破损区域之间具有旋转或者缩放关系时,无法得到理想的最优匹配块。因此,论文提出一种基于样本块的旋转及缩放图像修复算法,通过对图像的局部特征向量进行匹配,同时对空间能量函数进行拓展,有效解决了上述问题,提高了匹配块的搜索精度和信息填充的准确性。仿真实验结果表明,对于旋转及尺度缩放图像,利用本文算法能够获得理想的修复效果。最后,论文提出了一种基于图像局部特征信息的改进Criminisi算法。传统Criminisi算法在计算目标块优先级函数时存在缺陷,容易导致填充顺序不合理,为此,本文利用图像的局部特征信息—曲率和梯度,将曲率及梯度信息作为优先权值的数据项,以获得更加可靠的填充修复顺序,同时较好的解决了图像信息由纹理高密度区域向低密度区域过度填充的问题。仿真实验结果证明了本文算法的有效性。