数字图像修复技术是按照一定的填充规则,将图像破损区域周围的信息填充进破损区域内部,达到恢复图像完整性,改善视觉效果的目的。数字图像修复技术在古文物保护、影视特效制作、错误隐藏、图像压缩及超分辨率重建等方面均有应用,现在的适用范围已经扩展到航空航天、通信和工业工程、生物医学、军事公安及可视化等领域,已经成为计算机视觉的一个研究热点。未来,随着时代和科技的发展,数字图像修复技术会拥有更广阔的应用前景。图像修复技术中基于匹配的样本块方法在修复小尺度破损图像和移除物体实验时,均能够获得较好的修复效果。但是在修复过程中,容易出现结构断裂,纹理过度延伸和误差累积等问题。因此,针对基于匹配的样本块图像修复算法的缺陷,本文从填充顺序和匹配准则两个方面着手,探究如何构造更加稳定的填充顺序和合理的匹配准则,提出了两种算法。分别是:1.提出了结合梯度特征与色彩一致性的图像修复算法。首先在优先权法则中引入表征图像结构和纹理变化特征的平均梯度,以优先填充图像的结构部分并适度延伸纹理信息,并根据实验结果选择合适的参数。根据基于S型函数的置信度更新准则更新破损区域边界的置信度值,然后在匹配准则中加入色彩一致性的判断,同时结合颜色信息寻找最佳样本块。最后实验结果证明了梯度特征可以使填充顺序更加稳定,引入的色彩一致性可以获得更合理的匹配块,得到了令人满意的修复效果。2.为了获得稳定的填充顺序,提出基于球形收敛和曼哈顿距离的样本块图像修复算法。首先提出球形收敛的优先权准则,以抑制纹理过度延伸的现象。受到斯特林理论的启发,为了抑制置信度值的快速衰减,提出基于斯特林理论的置信项更新法则。最后为了减少误匹配和误差累积现象,利用基于曼哈顿距离的匹配准则作相似性度量。根据实验结果选择阈值和相应的比例值,以获得最佳的修复效果。从客观和主观评价标准上来说,本算法较对比文献算法,获得了更优的修复质量。