| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·图像修复的研究背景与意义 | 第11页 |
| ·数字图像修复技术的广泛应用前景 | 第11-13页 |
| ·图像修复算法的研究现状 | 第13-15页 |
| ·论文的各章的主要构架 | 第15-17页 |
| 第二章 数字图像修复算法 | 第17-33页 |
| ·基于PDE的图像修复技术 | 第17页 |
| ·几种典型的基于PDE图像修复算法 | 第17-26页 |
| ·Bertalmio et al的图像修复算法 BSCB模型 | 第17-20页 |
| ·Navie-Stroke模型 | 第20-21页 |
| ·基于TV模型的修复算法简介 | 第21-24页 |
| ·图像修复CDD模型 | 第24-25页 |
| ·Mumford-shah模型图像修复算法 | 第25-26页 |
| ·几种PDE算法的对比 | 第26-27页 |
| ·基于样本的纹理合成图像修复算法 | 第27-32页 |
| ·基于非PDE的休想修复算法的发展现状 | 第27-28页 |
| ·Criminisi算法简介 | 第28-31页 |
| ·实验及实验结果分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 改进的TV模型图像修复算法 | 第33-46页 |
| ·引言 | 第33-34页 |
| ·TV修复模型的简单回顾 | 第33-34页 |
| ·TV模型的不足 | 第34-35页 |
| ·TV模型的缺点 | 第34页 |
| ·TV模型修复算法实验 | 第34-35页 |
| ·改进的TV模型图像修复算法 | 第35-43页 |
| ·改进的TV模型 | 第35-37页 |
| ·计算方法 | 第37-40页 |
| ·改进模型的计算流程 | 第40页 |
| ·实验 | 第40-43页 |
| ·实验结果分析 | 第43页 |
| ·实验结果评价 | 第43-44页 |
| ·峰值信噪比 | 第43-44页 |
| ·实验结果对比 | 第44页 |
| ·本章小结 | 第44-46页 |
| 第四章 改进的Criminisi算法 | 第46-58页 |
| ·引言 | 第46页 |
| ·Criminisi算法简单回顾 | 第46-47页 |
| ·函数优先权 | 第46-47页 |
| ·最佳匹配块的选择 | 第47页 |
| ·置信度更新 | 第47页 |
| ·本文改进的Criminisi图像修复算法 | 第47-52页 |
| ·Criminisi算法的不足 | 第47-48页 |
| ·同色线的概念 | 第48页 |
| ·优先权的修改 | 第48-50页 |
| ·基于方差的模板窗口大小的选择 | 第50-51页 |
| ·寻找最佳样本块 | 第51页 |
| ·拷贝最佳样本块的相应数据 | 第51-52页 |
| ·更新自信度 | 第52页 |
| ·本章改进算法流程 | 第52页 |
| ·实验 | 第52-56页 |
| ·结论 | 第56-58页 |
| 第五章 基于图像分解技术的图像修复技术 | 第58-71页 |
| ·引言 | 第58页 |
| ·TV模型的修复算法简介 | 第58-59页 |
| ·基于图像分解的图像修复算法 | 第59-62页 |
| ·图像的分解 | 第59-60页 |
| ·图像结构部分的修复 | 第60-62页 |
| ·图像纹理部分的修复 | 第62页 |
| ·算法的实现 | 第62-64页 |
| ·结构图像的修复实现 | 第62-64页 |
| ·纹理图像算法实现 | 第64页 |
| ·实验 | 第64-68页 |
| ·修复结果分析 | 第68-69页 |
| ·本章小结结论 | 第69页 |
| ·几种算法的对比 | 第69-71页 |
| 论文总结和展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 鸣谢 | 第78页 |