| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11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方法 | 第11-12页 |
| 1.2.2 基于纹理合成的图像修复方法 | 第12-13页 |
| 1.2.3 混合的图像修复方法 | 第13-14页 |
| 1.2.4 基于稀疏表示的图像修复的应用 | 第14-15页 |
| 1.3 论文研究内容与安排 | 第15-17页 |
| 第2章 经典图像修复模型 | 第17-31页 |
| 2.1 TV图像修复模型 | 第17-20页 |
| 2.2 CDD图像修复模型 | 第20-21页 |
| 2.3 Criminisi图像修复模型 | 第21-25页 |
| 2.4 稀疏表示的图像修复模型 | 第25-30页 |
| 2.4.1 稀疏表示模型 | 第25-26页 |
| 2.4.2 稀疏分解 | 第26-29页 |
| 2.4.3 字典设计 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于狼群算法的Criminisi图像修复方法 | 第31-44页 |
| 3.1 目标区域的优化标记 | 第31-33页 |
| 3.2 优先权计算的改进 | 第33-34页 |
| 3.3 狼群算法匹配样本块 | 第34-40页 |
| 3.3.1 狼群算法介绍 | 第34-38页 |
| 3.3.2 狼群算法的寻优效果 | 第38-40页 |
| 3.4 实验结果和分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于距离聚类结构组的稀疏表示图像修复方法 | 第44-55页 |
| 4.1 距离聚类结构组的稀疏表示图像修复算法 | 第44-48页 |
| 4.1.1 距离聚类结构组构造 | 第44-45页 |
| 4.1.2 距离聚类结构组的稀疏表示 | 第45-46页 |
| 4.1.3 自适应字典学习 | 第46-47页 |
| 4.1.4 迭代优化 | 第47-48页 |
| 4.2 算法实现流程 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-54页 |
| 4.3.1 缺失图像修复 | 第49-51页 |
| 4.3.2 覆盖文字消除 | 第51-53页 |
| 4.3.3 结果分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录1 攻读硕士学位期间发表的论文 | 第63-64页 |
| 详细摘要 | 第64-68页 |