图像修复是当前计算机图形学和计算机视觉中的研究热点,应用范围包括对缺损图像、照片的修复,以及对目标物体的遮挡物等信息的去除等。全变分(Total Variation,TV)模型存在不能满足人类视觉系统中的“连接性”的缺点,使得在修复断裂面比较大的图像时效果不好;而曲率驱动扩散(Curvature Driven Diffusion,CDD)模型是在TV模型的基础上加入曲率扩散因子,使得在大曲率时扩散能加强,达到修复断裂面较大的破损图像,修复效果好,但是也正是曲率因子的引入,也使得CDD模型变成了三阶偏微分方程,使修复时间大大延长。针对TV模型和CDD模型存在的问题,本文提出了一种基于CDD模型的自适应图像修复算法。引入了曲率自适应参数q和梯度自适应参数p ,曲率自适应参数q可根据不同曲率选择不同修复模型,使得在大曲率时使用CDD模型,其他时候使用TV模型,大大减少了CDD模型的修复时间;梯度自适应参数p可根据不同的图像灰度变化程度选择不同扩散方式,使得在破损区图像边缘较多,即大梯度时使用接近TV的模型,使用各向异性扩散方式修复图像,而在平坦区,即小梯度时使用接近热扩散的方程,使用各向同性扩散方式修复图像,使得修复效果更佳。将提出的自适应图像修复算法与TV模型、CDD模型和CDD的改进模型等图像修复方法进行实验比较和分析,实验结果表明,本文提出的基于CDD模型的自适应图像修复算法在修复速度和修复效果上都要优于其他模型方法。