| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于偏微分方程的图像修复模型 | 第11-12页 |
| 1.2.2 基于纹理合成的图像修复模型 | 第12-14页 |
| 1.2.3 基于稀疏表示的图像修复模型 | 第14-15页 |
| 1.3 主要内容及结构安排 | 第15-17页 |
| 1.3.1 主要内容 | 第15-16页 |
| 1.3.2 结构安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 数字图像修复相关模型 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 基于偏微分方程的图像修复算法 | 第18-22页 |
| 2.2.1 BSCB模型 | 第18-20页 |
| 2.2.2 TV模型 | 第20-21页 |
| 2.2.3 CDD模型 | 第21-22页 |
| 2.3 基于纹理合成的图像修复算法 | 第22-25页 |
| 2.3.1 纹理合成技术 | 第22-23页 |
| 2.3.2 Criminisi图像修复算法 | 第23-25页 |
| 2.4 基于稀疏表示的图像修复算法 | 第25-31页 |
| 2.4.1 稀疏表示 | 第25-27页 |
| 2.4.2 稀疏编码算法 | 第27-28页 |
| 2.4.3 字典的选择 | 第28页 |
| 2.4.4 EM图像修复算法 | 第28-30页 |
| 2.4.5 MCA图像修复算法 | 第30-31页 |
| 2.5 图像修复结果评价标准 | 第31页 |
| 2.6 小结 | 第31-33页 |
| 第3章 基于改进的K-SVD图像修复算法 | 第33-48页 |
| 3.1 引言 | 第33页 |
| 3.2 K-SVD图像修复算法 | 第33-36页 |
| 3.2.1 图像修复基本模型 | 第33-35页 |
| 3.2.2 K-SVD字典学习 | 第35-36页 |
| 3.3 双层分块提取框架 | 第36-37页 |
| 3.4 改进的字典更新框架 | 第37-39页 |
| 3.5 实验仿真与分析 | 第39-46页 |
| 3.6 小结 | 第46-48页 |
| 第4章 基于多字典融合框架的K-SVD图像修复算法 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 集成学习 | 第48-50页 |
| 4.2.1 Bootstrap采样策略 | 第48-49页 |
| 4.2.2 Bagging算法 | 第49-50页 |
| 4.3 多字典融合框架 | 第50-51页 |
| 4.4 实验仿真与分析 | 第51-58页 |
| 4.5 小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间参加的科研项目和成果 | 第66页 |