基于稀疏表示的图像修复方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像修复算法的国内外研究现状 | 第10-14页 |
| 1.2.1 基于扩散方程的修复方法 | 第10-12页 |
| 1.2.2 基于样例的修复方法 | 第12页 |
| 1.2.3 基于全局的修复方法 | 第12-13页 |
| 1.2.4 图像稀疏表示方法 | 第13-14页 |
| 1.3 图像修复的应用 | 第14-15页 |
| 1.3.1 图像复原 | 第14页 |
| 1.3.2 目标物体移除 | 第14页 |
| 1.3.3 去遮蔽 | 第14-15页 |
| 1.3.4 丢失隐藏复原 | 第15页 |
| 1.4 本文的主要研究内容和结构安排 | 第15-17页 |
| 第2章 图像修复算法的理论基础 | 第17-25页 |
| 2.1 基于样例的图像修复模型的建立 | 第18-19页 |
| 2.1.1 基于像素点合成的修复模型 | 第18页 |
| 2.1.2 基于图像块合成的修复模型 | 第18-19页 |
| 2.2 基于块合成的修复方法的分析 | 第19-23页 |
| 2.2.1 距离度量 | 第19页 |
| 2.2.2 搜索最佳匹配块 | 第19-20页 |
| 2.2.3 块优先级 | 第20-21页 |
| 2.2.4 全局图像一致性 | 第21页 |
| 2.2.5 块拼接技术：混合和衍缝 | 第21-22页 |
| 2.2.6 嵌入附近邻域 | 第22-23页 |
| 2.3 信号的稀疏表示模型 | 第23-24页 |
| 2.3.1 自然信号的稀疏域模型 | 第23页 |
| 2.3.2 稀疏表示问题求解的主要算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 利用结构稀疏度和块稀疏表示的修复方法 | 第25-31页 |
| 3.1 本文算法概述 | 第26页 |
| 3.2 基于结构稀疏度的块优先级 | 第26-28页 |
| 3.2.1 图像块结构稀疏度 | 第27页 |
| 3.2.2 块优先级 | 第27-28页 |
| 3.3 基于块稀疏表示的图像块合成 | 第28-30页 |
| 3.3.1 图像块稀疏表示 | 第28-29页 |
| 3.3.2 稀疏表示算法 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于块稀疏表示的图像修复算法的实现 | 第31-49页 |
| 4.1 算法流程 | 第31-38页 |
| 4.2 客观评价指标——峰值信噪比 | 第38-39页 |
| 4.3 本文修复算法数值分析 | 第39-42页 |
| 4.3.1 系统残差收敛性分析 | 第39-41页 |
| 4.3.2 目标块尺寸对修复结果的影响 | 第41-42页 |
| 4.4 划痕、文字覆盖对比实验 | 第42-46页 |
| 4.5 目标物体移除对比实验 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第5章 总结和展望 | 第49-50页 |
| 5.1 本文的工作总结 | 第49页 |
| 5.2 研究方向展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
