基于图像稀疏性与多尺度神经网络的图像修复算法研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 不结合深度信息的图像修复方法 | 第10-11页 |
| 1.2.2 结合深度信息的图像修复方法 | 第11-13页 |
| 1.2.3 采用机器学习的图像修复方法 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-16页 |
| 第2章 远程绘制算法及相关图像修复算法介绍 | 第16-22页 |
| 2.1 3D图像warping算法 | 第16-18页 |
| 2.2 基于纹理合成的图像修复算法 | 第18-20页 |
| 2.3 基于机器学习的图像修复算法 | 第20-22页 |
| 第3章 基于图像稀疏性的图像修复算法 | 第22-39页 |
| 3.1 引言 | 第22-23页 |
| 3.2 基于块稀疏性的图像修复算法 | 第23-34页 |
| 3.2.1 算法概述 | 第23-25页 |
| 3.2.2 空洞图像预处理 | 第25-26页 |
| 3.2.3 复杂场景图像自适应分层方法 | 第26-28页 |
| 3.2.4 深度图修复方法 | 第28-32页 |
| 3.2.5 彩色图修复方法 | 第32-34页 |
| 3.3 实验结果与分析 | 第34-39页 |
| 第4章 基于多尺度神经网络的图像修复算法 | 第39-48页 |
| 4.1 引言 | 第39-40页 |
| 4.2 基于多尺度神经网络的图像修复算法 | 第40-45页 |
| 4.2.1 算法概述 | 第40-41页 |
| 4.2.2 基于空洞连通的多空洞提取方法 | 第41-43页 |
| 4.2.3 多尺度神经网络图像修复方法 | 第43-45页 |
| 4.3 实验结果与分析 | 第45-48页 |
| 第5章 总结与展望 | 第48-51页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 研究成果列表 | 第55-56页 |
| 致谢 | 第56-57页 |
