在研究Criminisi修复算法的基础上，提出了改进的基于样本块的图像修复方法。根据图像的待修复面积及其纹理特征，自适应选取样本块大小，提高修复的速度；采用新的数据项，改进优先权公式，避免阶梯效应的产生；重新定义置信度的更新公式，引入曲率距离，减少因置信度更新而累计的误差，提高修复顺序的准确性。实验表明，改进的方法能够有效提高修复的效果，减少修复所需时间。

传统基于样本块的图像修复算法中样本块大小是固定不变的,在修复过程中无法根据图像的具体情况进行调节,这在很大程度上影响了图像的整体修复效果。为了解决这一问题,提出一种自适应确定样本块大小的方法。该算法通过分析图像的梯度域变化,获得各像素点处的结构信息,进而自适应确定待修复样本块的大小。仿真实验结果表明,该算法能够有效克服传统方法中经常出现的诸如结构误传播、图像整体结构丢失等缺点,对具有明显结构变化的图像取得了比较理想的修复效果。

在传统基于样本块的纹理合成算法中,样本块的大小需要靠人工设定,或根据图像修复效果进行调节,缺乏自适应性。为解决上述问题,通过提取图像的相关纹理特征,提出一种样本块大小自适应选取方法。利用图像分解技术对图像进行预处理,利用图像灰度共生矩阵提取待修复图像的纹理特征,通过确定相关纹理特征与最优样本块大小的相互关系,实现了样本块大小的自动选取。仿真实验结果表明,利用文中方法自适应选取样本块大小,对自然图像能够获得理想的纹理合成效果。

在研究Criminisi算法的基础上，针对Criminisi算法修复顺序不可靠、采用固定大小的样本块模板尺寸以及在修复过程中容易产生误差累积等缺点，提出了一种改进的图像修复算法，该算法结合改进的优先项函数、根据梯度信息自适应选择模板大小等方法。实验结果表明，该算法易于实现，与Criminisi算法相比，能够取得更好的修复效果。