图像修复是图像复原研究中的一个重要内容，它在其它很多方面都得到了应用。     目前，图像修复中占主流的修复模型有：偏微分方程的修复模型[1-2]、纹理合成[3]的修复模型。前者计算量大、耗时长、对纹理的还原能力有限，处理大区域图像会有明显的模糊现象，因此只适合于划痕、污迹和文字等细窄的区域修复。相比之下，后者将待修复区域周围的图像作为样本,从中提取特征并选取匹配的纹理，将其合成到待修复区域内，适用于较大区域的修复。     现实中的图像不是由简单结构和单一纹理拼接而成的，而是同时包含复杂的结构

在研究Criminisi等人的基于样例的修复算法基础上,提出了一种快速修复算法。该算法采用梯度数据项连同置信度确定填充顺序，使得优先权的计算更加准确；并采用局部窗口搜索的策略，加快了修复速度；最后利用颜色和梯度共同决定相似性，使得修复后的图像具有更好的视觉效果。大量实验结果表明，该算法不仅能够快速有效地修复受损图像，而且能够很好地保持受损区域的纹理和结构。