在数字图像处理领域中,图像修复技术是进入新世纪以来新兴的一项重要研究课题。经过近二十年的发展,已经成为当前计算机图形学和计算机视觉中的研究热点,渗透到现代人们日常生活的各个方面。基于样本块的图像修复算法在修复较大破损区域有着良好的效果,其根据修复方式的不同划分为基于匹配的方法和基于全局优化的方法。其中,基于全局优化的方法把图像修复问题看作优化问题,通过优化能量函数同时填充所有缺失像素,以将最佳候选样本分配给每个缺失像素点,很好地考虑了图像的全局特征,有效地解决了基于匹配的方法由于贪婪匹配策略所易造成的误差累计问题。本文从图像的结构特征入手,探巧如何更好地提取和度量样本块的结构特征信息,将其作为先验信息来指导图像修复过程,由此提出了两种改进算法。从全局能量方程的构造和候选标签的选择这两个关键点着手,针对现有算法构造能量方程中图像结构信息度量不准确和提取不充分这一问题,同时更好地发挥全局能量方程中数据项和平滑项的作用,设计了一种联合结构特征与块信息熵的全局图像修复算法。该方法首先在数据项中引入结构张量来表征图像的局部特征,从而衡量样本块间结构特征的各向异性;然后在颜色信息基础上引入度量像素块内平均信息量的信息熵来构造平滑项,以保持邻域信息一致性;最后构造加权的全局能量方程,采用图割算法求取能量最优解,同时采用多分辨层修复和自适应确定样本块尺寸的方法来降低算法复杂度。实验结果表明,该算法能够很好地保持修复后图像结构部分的连贯性以及纹理信息的清晰性,取得了令人满意的结果。从最简便地用来提取图像结构边缘信息的灰度梯度着手,综合考虑各种结构特征提取方法,构造一种梯度特征来提取和度量图像的结构信息,设计了基于HSI梯度统计特性的图像修复算法。该方法将图像映射到HSI色彩空间来提取图像的梯度特征,利用梯度均值和方差等统计量重新定义样本块间的结构相似性,并在此基础上构造加权的数据项和平滑项的全局能量约束方程,使得全局能量方程的构造更加有利于图像结构信息的提取和度量,同时限定标签匹配范围从而提高标签匹配准确度并降低算法复杂度。实验结果表明,该算法能够很好地修复不同类型破损的图像,保证结构部分正确完整地从已知区域向破损区域内进行延伸,并削弱了接缝效应,更符合人眼视觉要求。此外,为了提升本文所提出算法的实用性和可操作性,利用MATLAB GUI设计了一个图像修复演示系统,以便于直接输出显示修复结果。