| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 基于偏微分方程和基于纹理合成的图像修复算法 | 第11-12页 |
| 1.2.2 基于稀疏表示的图像修复算法 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 相关算法介绍 | 第15-27页 |
| 2.1 传统的图像修复算法 | 第15-21页 |
| 2.1.1 TV模型 | 第15-17页 |
| 2.1.2 Criminisi算法 | 第17-21页 |
| 2.2 基于稀疏表示理论的图像修复算法 | 第21-26页 |
| 2.2.1 稀疏表示基本理论 | 第21-22页 |
| 2.2.2 稀疏表示的算法 | 第22-24页 |
| 2.2.3 稀疏表示字典选取 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于改进的K-SVD字典的图像修复算法 | 第27-45页 |
| 3.1 K-SVD字典 | 第27-30页 |
| 3.1.1 K-均值算法 | 第27-28页 |
| 3.1.2 K-SVD算法的训练过程 | 第28-30页 |
| 3.2 基于K-SVD字典的图像修复算法 | 第30-31页 |
| 3.3 改进的基于K-SVD字典的图像修复算法 | 第31-35页 |
| 3.3.1 图像聚类区域划分 | 第32-34页 |
| 3.3.2 改进的基于K-SVD的图像修复算法 | 第34-35页 |
| 3.4 图像修复效果的评价标准 | 第35-37页 |
| 3.4.1 图像修复效果的主观评价标准 | 第35页 |
| 3.4.2 图像修复效果的客观评价标准 | 第35-37页 |
| 3.5 实验结果与分析 | 第37-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 基于图像卡通-纹理分解的稀疏表示修复算法 | 第45-58页 |
| 4.1 图像的卡通纹理分解 | 第45-46页 |
| 4.2 基于形态学成分分析的图像分解模型 | 第46-48页 |
| 4.2.1 模型的基本原理 | 第46-47页 |
| 4.2.2 模型的求解 | 第47-48页 |
| 4.3 改进的MCA图像修复 | 第48-54页 |
| 4.3.1 图像修复模型及求解 | 第48-50页 |
| 4.3.2 图像卡通部分的修复 | 第50-52页 |
| 4.3.3 图像纹理部分的修复 | 第52-54页 |
| 4.4 实验结果及分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 系统总结 | 第58-59页 |
| 5.2 系统展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 发表论文和参加科研情况说明 | 第66-67页 |
| 致谢 | 第67-68页 |