| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 基于PDE的修复方法 | 第13-14页 |
| 1.2.2 基于TS的修复方法 | 第14-15页 |
| 1.2.3 基于SR的修复方法 | 第15-16页 |
| 1.3 图像修复效果评价 | 第16-19页 |
| 1.3.1 主观评价 | 第17页 |
| 1.3.2 客观评价 | 第17-19页 |
| 1.4 本文主要研究内容 | 第19-20页 |
| 1.5 论文的组织结构 | 第20-22页 |
| 第二章 修复模型及相关方法 | 第22-34页 |
| 2.1 图像修复的视觉心理 | 第22-23页 |
| 2.2 数学模型 | 第23-24页 |
| 2.3 基于PDE的图像修复方法 | 第24-26页 |
| 2.3.1 BSCB模型 | 第24页 |
| 2.3.2 TV模型 | 第24-25页 |
| 2.3.3 CDD模型 | 第25-26页 |
| 2.4 基于TS的图像修复方法 | 第26-29页 |
| 2.4.1 Efros-Leung修复方法 | 第26-27页 |
| 2.4.2 Criminisi修复方法 | 第27-29页 |
| 2.5 基于SR的图像修复方法 | 第29-33页 |
| 2.5.1 稀疏表示 | 第29页 |
| 2.5.2 稀疏编码 | 第29-31页 |
| 2.5.3 学习字典 | 第31-32页 |
| 2.5.4 K-SVD修复方法 | 第32-33页 |
| 2.5.5 MCA修复方法 | 第33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于结构稀疏度的图像修复方法 | 第34-52页 |
| 3.1 引言 | 第34-35页 |
| 3.2 优先权计算 | 第35-41页 |
| 3.2.1 基于结构稀疏度的优先权计算 | 第35-37页 |
| 3.2.2 基于结构稀疏度和邻域像素差异度的优先权计算 | 第37-38页 |
| 3.2.3 优先权计算实验对比 | 第38-41页 |
| 3.3 匹配规则 | 第41-45页 |
| 3.3.1 SSD规则 | 第41页 |
| 3.3.2 错误匹配 | 第41-43页 |
| 3.3.3 匹配规则改进 | 第43-44页 |
| 3.3.4 匹配规则实验对比 | 第44-45页 |
| 3.4 本章算法描述 | 第45-46页 |
| 3.5 实验结果分析 | 第46-51页 |
| 3.5.1 灰度测试图像实验 | 第46-48页 |
| 3.5.2 彩色自然图像实验 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于样本和稀疏表示的混合修复方法 | 第52-72页 |
| 4.1 引言 | 第52-53页 |
| 4.2 基于样本的修复方法 | 第53-57页 |
| 4.2.1 符号说明 | 第53-54页 |
| 4.2.2 块优先权 | 第54-55页 |
| 4.2.3 块匹配 | 第55-56页 |
| 4.2.4 算法描述 | 第56-57页 |
| 4.3 基于稀疏表示的图像修复方法 | 第57-60页 |
| 4.3.1 训练样本 | 第57页 |
| 4.3.2 学习字典 | 第57-59页 |
| 4.3.3 稀疏编码 | 第59页 |
| 4.3.4 图像块恢复 | 第59-60页 |
| 4.4 本章方法 | 第60-65页 |
| 4.4.1 算法思想 | 第60-61页 |
| 4.4.2 阈值 | 第61-63页 |
| 4.4.3 图像块修复 | 第63-64页 |
| 4.4.4 算法描述 | 第64-65页 |
| 4.4.5 算法讨论 | 第65页 |
| 4.5 实验结果分析 | 第65-70页 |
| 4.5.1 测试图像实验 | 第65-67页 |
| 4.5.2 平滑图像实验 | 第67-68页 |
| 4.5.3 纹理图像实验 | 第68-70页 |
| 4.6 本章小结 | 第70-72页 |
| 第五章 基于PCA分类的快速图像修复方法 | 第72-90页 |
| 5.1 引言 | 第72-73页 |
| 5.2 基于PCA的图像块分类方法 | 第73-77页 |
| 5.2.1 主成分分析 | 第73-75页 |
| 5.2.2 基于PCA的图像块分类 | 第75-77页 |
| 5.3 分类修复 | 第77-81页 |
| 5.3.1 平滑块修复 | 第78-80页 |
| 5.3.2 边缘块修复 | 第80页 |
| 5.3.3 纹理块修复 | 第80-81页 |
| 5.4 本章算法描述 | 第81-82页 |
| 5.5 实验结果分析 | 第82-89页 |
| 5.5.1 平滑图像实验 | 第83-85页 |
| 5.5.2 纹理图像实验 | 第85-86页 |
| 5.5.3 复杂纹理图像实验 | 第86-87页 |
| 5.5.4 时间对比 | 第87-89页 |
| 5.6 本章小结 | 第89-90页 |
| 第六章 基于边缘引导和非局部均值的图像修复方法 | 第90-110页 |
| 6.1 引言 | 第90-91页 |
| 6.2 基于MCA的边缘提取方法 | 第91-96页 |
| 6.2.1 形态成分分析 | 第91-93页 |
| 6.2.2 自适应阈值 | 第93-94页 |
| 6.2.3 边缘提取 | 第94-95页 |
| 6.2.4 实验结果 | 第95-96页 |
| 6.3 边缘修复 | 第96-98页 |
| 6.4 基于非局部均值的自适应修复方法 | 第98-103页 |
| 6.4.1 非局部均值 | 第98-99页 |
| 6.4.2 基于像素离散度的图像块分类方法 | 第99-101页 |
| 6.4.3 非局部均值的自适应修复算法 | 第101-103页 |
| 6.5 本章算法描述 | 第103页 |
| 6.6 实验结果分析 | 第103-109页 |
| 6.6.1 文献[48]方法与文献[176]方法实验对比 | 第103-104页 |
| 6.6.2 自适应方法与文献[176]方法实验对比 | 第104-105页 |
| 6.6.3 本章方法与其它方法实验对比 | 第105-109页 |
| 6.7 本章小结 | 第109-110页 |
| 第七章 总结与展望 | 第110-114页 |
| 7.1 全文总结 | 第110-111页 |
| 7.2 研究展望 | 第111-114页 |
| 参考文献 | 第114-128页 |
| 攻读博士学位期间取得的科研成果 | 第128-130页 |
| 致谢 | 第130页 |
