图像修复是指对图像中数据完全丢失的区域进行填充,以恢复其完整性和原有的视觉效果。图像修复是一个比较特殊的病态问题,它是一个从无到有的过程,我们必须根据先验知识,从周围幸存的数据来预测里面的数据。所以图像修复问题中,先验模型起关键的作用。根据Gestalt(格式塔)效应的原理,自然图像的连续性和光滑性是图像修复所依赖的基本的先验知识。　　图像作为一种信息符号,有着语言文字不可比拟的优点,成为越来越重要的信息表达方式,其应用的领域和范围越来越广。影像更是地理信息科学中最重要的数据源,图像信息处理成为遥感应用中的一个重要环节。但在日常生活和科学研究中,我们经常会碰到图像信息缺损现象,如图像破损、目标前后遮挡等等。如何对这些缺损或遮挡信息进行恢复和补偿,成为人们日益关注的问题。目前与该问题密切相关的两个研究方向就是图像修复和纹理合成,本文围绕自然图像中缺损信息的修复,对图像修复、纹理合成的原理、方法和应用展开了研究和探讨。　　本文主要探讨图像修复方法。首先回顾了图像修复技术的产生背景、发展状况,以及国内外的研究现状;然后介绍了图像修复方法的理论与技术基础、分类和几种有代表性的图像修复模型。　　目前图像修复主要有基于偏微分方程(PDE)的修复模型和基于纹理合成的修复模型等图像修复算法。　　基于偏微分方程的修复模型就是将图像修复过程转化为一系列的偏微分方程或能量泛函模型,从而通过数值迭代和智能优化的方法来处理图像。该算法可以使待修复区域周围的有用信息沿等照度线自动向内扩散修复图像,在保持图像边缘的基础上同时平滑了噪声。本文研究了偏微分方程修复模型中的几种模型:Bertalmio模型,整体变分法(TV)修复,曲率驱动扩散(CDD)模型,并对比分析了不同模型修复的效果。另外,本文研究了基于优先权的针对大小不同的待修复区域讨论了不同的修复算法,并进行了对比分析,然后重点讨论一种基于解泊松方程和处理梯度的图像修复方法。　　图像的灰度值可以看作是一区域化变量,不仅具有随机性,而且具有空间连续性。我们通过定义修复区域内像素点的优先度,讨论了一种基于邻近像素点的图像修复模型。该修复方法该算法实现简单,修复速度快,对小区域的修复效果较好。　　基于偏微分方程的修复模型对于小块的破损具有良好的修复效果,但是对于大块的纹理图像中的破损修复效果不好。然后本文又讨论了基于邻域像素点的图像修复方法,基于优先权的纹理合成的图像修复方法,最后重点讨论了基于求解Poisson方程和处理梯度的图像修复方法的研究,此方法可以解决上述问题。