计算机科学的蓬勃发展和数字图像处理技术的深入人心，使得数字图像修复技术逐渐成为人们关注的热点问题。图像修复技术的出现，最早是为了去除艺术字画上的污秽划痕，而如今，其已被广泛应用于多余目标物体移除、电影特效制作、刑侦案件现场还原、图像压缩编码、老照片修复等多个领域。
　　本文首先针对两类在数字图像修复技术中影响最广的技术进行了研究，这包括以偏微分方程为核心的BSCB模型、整体变分模型、曲率驱动模型、格子波尔兹曼模型，以及以纹理合成为核心的Criminisi模型;重点研究了它们的性质以及修复效果，并从主观和客观两个角度对修复后图像的质量进行了对比分析。
　　其次，针对格子波尔兹曼图像修复模型，提出了一种基于P-Laplace算子改进的格子波尔兹曼图像修复算法;该方法在图像修复过程中充分利用p-Laplace算子的非线性各向异性扩散特性，同时忽略了梯度对扩散强度的影响。实验结果表明，改进后的格子波尔兹曼修复模型，其修复效果和修复时间相比曲率驱动修复模型更具优势;且主观上具有与改进前的格子波尔兹曼修复模型相似的修复效果，但却比后者具有更快的修复速率，适用于苹果采摘机器人视觉系统预处理过程中对遮挡树枝的去除，老照片修复，以及文字移除等领域。
　　最后，在研究格子波尔兹曼图像修复模型的基础上，提出了另一种改进的格子波尔兹曼图像修复模型，该模型通过引入修正后的边缘停止函数和曲率函数，使图像在梯度变化较大的区域，其扩散作用受到抑制;在梯度变化较小的区域，其扩散作用得到增强，在抑制大梯度作用的过程中保护小曲率。同时利用调节参数来控制其作用强度。实验结果证明改进后的模型具有更好的修复效果。