数字图像的修复方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-12页 |
| 图表索引 | 第12-15页 |
| 第1章 绪论 | 第15-29页 |
| ·研究背景 | 第15-16页 |
| ·研究意义 | 第16-19页 |
| ·无先验的修复:图像修复 | 第19-24页 |
| ·基于偏微分方程和变分的修复 | 第19-21页 |
| ·基于纹理合成的修复 | 第21-22页 |
| ·基于学习的修复方法 | 第22-23页 |
| ·错误隐藏 | 第23-24页 |
| ·有先验的修复:图像融合 | 第24-26页 |
| ·像素域方法 | 第24-25页 |
| ·变换域方法 | 第25-26页 |
| ·本文的主要工作、创新及组织结构 | 第26-29页 |
| 第2章 修复问题的数学基础 | 第29-49页 |
| ·修复问题的数学描述 | 第29-34页 |
| ·修复问题的模型 | 第29-30页 |
| ·修复问题的贝叶斯推理表示 | 第30-31页 |
| ·修复问题的贝叶斯推理方法 | 第31-34页 |
| ·偏微分方程基础 | 第34-41页 |
| ·偏微分方程的一些基本概念 | 第34-36页 |
| ·泊松方程 | 第36-39页 |
| ·整体变分模型 | 第39-41页 |
| ·马尔科夫随机场 | 第41-45页 |
| ·概念 | 第41-43页 |
| ·动态规划算法 | 第43-44页 |
| ·EM算法 | 第44-45页 |
| ·凸集投影理论和方法 | 第45-47页 |
| ·凸集投影理论 | 第45-46页 |
| ·凸集投影方法 | 第46-47页 |
| ·常用的投影算子 | 第47页 |
| ·本章小结 | 第47-49页 |
| 第3章 基于偏微分方程的图像修复方法研究 | 第49-61页 |
| ·问题描述 | 第49页 |
| ·修复模型 | 第49-51页 |
| ·修复方法 | 第51-55页 |
| ·正则项 | 第51-52页 |
| ·连通性 | 第52页 |
| ·运算简化 | 第52-53页 |
| ·数值实现 | 第53-55页 |
| ·实验结果 | 第55-59页 |
| ·合成图像 | 第55-56页 |
| ·真实图像 | 第56-57页 |
| ·方法性能 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第4章 基于纹理合成的图像修复方法研究 | 第61-75页 |
| ·问题描述 | 第61-63页 |
| ·基于块的纹理合成 | 第61-62页 |
| ·纹理生成 | 第62页 |
| ·修复优先级 | 第62-63页 |
| ·本章方法 | 第63页 |
| ·修复问题的全局优化表示 | 第63-65页 |
| ·基本概念 | 第63页 |
| ·修复规则 | 第63-64页 |
| ·全局能量函数 | 第64-65页 |
| ·优化方法 | 第65-69页 |
| ·方法步骤 | 第65页 |
| ·初始化 | 第65-66页 |
| ·最优接缝 | 第66-67页 |
| ·一致性搜索 | 第67-69页 |
| ·方法分析 | 第69-71页 |
| ·全局能量函数分析 | 第69-70页 |
| ·优化算法分析 | 第70-71页 |
| ·实验结果 | 第71-72页 |
| ·本章小结 | 第72-75页 |
| 第5章 基于凸集投影的图像块修复方法研究 | 第75-91页 |
| ·问题描述 | 第75-77页 |
| ·块损失问题 | 第75页 |
| ·利用图像信息的修复方法 | 第75-76页 |
| ·结合信道先验的修复方法 | 第76-77页 |
| ·本章方法 | 第77页 |
| ·修复方法 | 第77-86页 |
| ·边缘方向检测及修复矢量 | 第77-81页 |
| ·投影算法 | 第81-85页 |
| ·方法步骤与分析 | 第85-86页 |
| ·实验结果 | 第86-89页 |
| ·本章小结 | 第89-91页 |
| 第6章 基于梯度域的图像融合方法研究 | 第91-109页 |
| ·问题描述 | 第91-93页 |
| ·梯度域技术 | 第91页 |
| ·梯度场重构 | 第91-92页 |
| ·梯度场操纵 | 第92-93页 |
| ·本章内容 | 第93页 |
| ·基于GFTV模型的梯度场重构方法 | 第93-99页 |
| ·问题定义 | 第93-94页 |
| ·LS方法 | 第94页 |
| ·GFTV模型 | 第94-96页 |
| ·离散实现 | 第96-98页 |
| ·实验结果 | 第98-99页 |
| ·基于GFTV模型的无缝图像编辑 | 第99-102页 |
| ·问题定义 | 第99页 |
| ·选择修改 | 第99-100页 |
| ·无缝克隆 | 第100-102页 |
| ·基于GFTV模型的图像拼接 | 第102-108页 |
| ·问题定义 | 第102页 |
| ·拼接模型 | 第102-103页 |
| ·模型分析 | 第103-106页 |
| ·实验结果 | 第106-108页 |
| ·本章小结 | 第108-109页 |
| 第7章 基于边界优化的图像融合方法研究 | 第109-125页 |
| ·问题描述 | 第109-110页 |
| ·图像编辑中的问题 | 第109页 |
| ·图像拼接中的问题 | 第109-110页 |
| ·问题分析 | 第110页 |
| ·基于目标的图像编辑 | 第110-115页 |
| ·问题定义 | 第110-111页 |
| ·最优边界 | 第111-112页 |
| ·编辑模型 | 第112-113页 |
| ·实验结果 | 第113-115页 |
| ·基于结构形变的图像拼接 | 第115-122页 |
| ·概述 | 第115-116页 |
| ·最优划分 | 第116-117页 |
| ·特征定位与匹配 | 第117-118页 |
| ·形变表示与传播 | 第118-120页 |
| ·实验结果 | 第120-122页 |
| ·本章小结 | 第122-125页 |
| 第8章 基于修复技术的图像压缩方法研究 | 第125-137页 |
| ·问题描述 | 第125-128页 |
| ·图像压缩概述 | 第125-126页 |
| ·压缩与修复的关系 | 第126页 |
| ·面向压缩的修复方法 | 第126-127页 |
| ·本章内容 | 第127-128页 |
| ·图像表示与重构 | 第128-129页 |
| ·边缘表示 | 第128页 |
| ·梯度场表示 | 第128页 |
| ·图像重构 | 第128-129页 |
| ·图像编码 | 第129-132页 |
| ·叶子编码 | 第130页 |
| ·四叉树分解 | 第130-131页 |
| ·边缘编码 | 第131-132页 |
| ·梯度编码 | 第132页 |
| ·方法讨论 | 第132-133页 |
| ·参数△和ε | 第132-133页 |
| ·边缘检测和重构方法 | 第133页 |
| ·实验结果 | 第133-136页 |
| ·本章小结 | 第136-137页 |
| 第9章 结论与展望 | 第137-141页 |
| ·论文总结 | 第137-138页 |
| ·未来工作展望 | 第138-141页 |
| 参考文献 | 第141-155页 |
| 致谢 | 第155-157页 |
| 在读期间发表的论文与研究成果 | 第157-158页 |
