| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 数字图像修复的研究现状 | 第10-11页 |
| 1.2.2 聚类算法的研究现状 | 第11-12页 |
| 1.2.3 图像分割的研究现状 | 第12-14页 |
| 1.3 论文的研究内容 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 聚类分析与元启发式算法 | 第16-24页 |
| 2.1 聚类分析 | 第16-18页 |
| 2.1.1 K-均值聚类 | 第17页 |
| 2.1.2 K-均值聚类的优缺点 | 第17-18页 |
| 2.2 元启发式算法 | 第18-22页 |
| 2.2.1 经典元启发式算法 | 第18-19页 |
| 2.2.2 灰狼优化算法 | 第19-22页 |
| 2.3 基于智能算法的图像分割技术 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 结合灰狼优化和K-均值的混合聚类算法 | 第24-29页 |
| 3.1 引言 | 第24页 |
| 3.2 GWO-KM混合聚类算法 | 第24-26页 |
| 3.2.1 基本思想 | 第24-25页 |
| 3.2.2 算法流程 | 第25-26页 |
| 3.3 实验仿真与分析 | 第26-27页 |
| 3.3.1 仿真环境和仿真数据 | 第26页 |
| 3.3.2 实验结果分析 | 第26-27页 |
| 3.4 本章小结 | 第27-29页 |
| 第四章 红色文物图像破损区域的提取与修复 | 第29-45页 |
| 4.1 破损区域的自适应提取 | 第29-34页 |
| 4.1.1 引言 | 第29页 |
| 4.1.2 聚类数目的确定 | 第29-31页 |
| 4.1.3 基于GWO-KM混合聚类算法的图像破损区域的提取 | 第31页 |
| 4.1.4 GWO-KM仿真实验与分析 | 第31-34页 |
| 4.2 基于偏微分方程的图像修复 | 第34-44页 |
| 4.2.1 偏微分方程修复模型的相关理论 | 第34-36页 |
| 4.2.2 图像的数学描述和模型建立 | 第36-38页 |
| 4.2.3 TV模型 | 第38-39页 |
| 4.2.4 CDD模型 | 第39页 |
| 4.2.5 实验对比分析 | 第39-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 主要工作和结论 | 第45-46页 |
| 5.2 进一步的工作展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的研究成果 | 第51-52页 |