图像作为一种媒介具有文字所无法比拟的丰富表现力，成为我们这个社会一种非常重要的存储和表现信息的载体。但是由于各种原因引起了图像信息的损坏，对这些损坏的信息进行恢复就显得非常重要而且必要，图像修复因此应运而生。　　 自2000年Bertalmio提出“数字图像修复”这一概念以来，许多中外学者在这一领域做出了大量的卓有成效的工作。基于PDE的非纹理图像修复方法在修复细小划痕、去除文字和小的污点等方面具有非常好的效果。纹理合成是生成纹理的一种有效技术，近年来科学工作者将它应用于图像修复领域进行图像纹理细节的修复取得了非常令人满意的效果。本文主要通过针对纹理图像的修复展开了研究，利用基于PDE和纹理合成技术各自的特点提出了自己的一些修复方法，本文主要创新点包括：　　 1、基于PDE的方法对图像的轮廓可以起到一定的修复作用，但是结构的扩散只能是平滑而缓慢的，因此只能修复一些细小的信息缺失。一直以来，研究者将来自受损图像周边的像素或选出来的纹理沿等照度线方向复制到受损区域内。这样有可能引起边界模糊和边界断裂。通过对前人工作进行实验分析并总结后，我们提出了利用变分的方法将图像分解成为骨架图和纹理图，然后针对两种图像不同的特点分别进行图像修复。将图像分解成骨架图和纹理图，有利于针对它们的特点分别进行处理。骨架图包含的是图像的结构，可以集中注意力在修复图像的结构上，这非常符合人眼视觉特点。而纹理图部分包含的是图像的细节部分，对这一部分的修复只需关注细节部分就行了。　　 2、纹理图像边界的修复关键是边界的精确分割，Gabor滤波器可精确提取纹理特征，但也带来了大量的数据有待处理，而PCNN是一种并行的处理网络，具有并行性和快速处理的特点。基于Gabor滤波器和PCNN的这些特点，我们开创性地将二者结合起来使用，既利用了Gabor滤波器的良好提取纹理特征的特性，又利用了PCNN的并行性，从而消除了Gabor滤波器提取纹理时所带来的巨大的数据可能引起的计算速度慢的问题。而且，由于PCNN网络的处理特点，我们可以同时得到图像的边界和区域的信息。　　 3、传统的PCNN是采用点火图来进行图像处理，其结果是一系列的二值图，无法直接应用到后续的图像处理中，而且结果常常分布在几个二值图中，需要人为的进一步处理才能得出有用的结果。同时，传统PCNN的阈值衰减函数不够灵活不能适应多变的图像处理的应用，我们对其不足之处进行了分析，提出了一种改进型的PCNN网络，其对图像的处理结果是与图像空间一样大，不需要多个图像空间来保存结果，节省了大量的空间，而且输出值是同时点火的各象素点的平均值，不需要人为的进一步处理就可以直接将其结果应用到后续的图像处理中。其衰减函数是属于直线型的，这使得它更灵活，使用起来更方便。　　 4、对纹理图像修复和基于边界的图像修复的一些经典算法进行了详细分析和实验认证后，我们发现采用纹理合成的方法修复纹理图像可以很好地修复图像的纹理细节，但只能修复线性的结构。基于边界的修复方法对于细小区域的图像轮廓的修复可以达到很好的效果，但是不能修复纹理细节。受其前人方法启发，我们提出了一种纹理图像的基于边界的图像修复方法。对边界修复的方法进行了改进，使得算法可以修复一些复杂结构的边界。这种方法使用更方便简捷，对于一些复杂结构的（特别是一些带有锯齿型边界的）纹理图像具有较好的修复效果。