SL0稀疏表示的图像修复研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 引言 | 第9页 |
| 1.2 数字图像修复技术简介 | 第9-10页 |
| 1.3 图像修复技术的国内外研究现状 | 第10-13页 |
| 1.3.1 小尺度缺损图像修复 | 第10-11页 |
| 1.3.2 大尺度缺损的图像修复 | 第11-12页 |
| 1.3.3 基于稀疏表示的图像修复算法 | 第12-13页 |
| 1.4 本文研究内容及结构安排 | 第13-14页 |
| 第2章 数字图像修复原理概述 | 第14-30页 |
| 2.1 引言 | 第14页 |
| 2.2 基于偏微分方程的图像修复技术 | 第14-18页 |
| 2.2.1 BSCB修复模型方法 | 第14-15页 |
| 2.2.2 TV模型 | 第15-16页 |
| 2.2.3 CDD模型 | 第16-18页 |
| 2.3 纹理合成的大面积图像补全算法 | 第18-22页 |
| 2.3.1 基于分解的图像修复算法 | 第18-19页 |
| 2.3.2 基于样本的图像修复算法 | 第19-22页 |
| 2.4 基于稀疏表示的图像修复算法 | 第22-29页 |
| 2.4.1 信号的稀疏表示 | 第22-23页 |
| 2.4.2 字典的构造 | 第23-24页 |
| 2.4.3 稀疏编码算法 | 第24-25页 |
| 2.4.4 形态成分分析的图像修复算法 | 第25-27页 |
| 2.4.5 样本稀疏表示的图像算法 | 第27-28页 |
| 2.4.6 特征分类学习的图像修复方法 | 第28-29页 |
| 2.5 本章小节 | 第29-30页 |
| 第3章 SL0的分类稀疏表示图像修复算法 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 算法的基本原理 | 第30页 |
| 3.3 图像块特征分类及K-SVD字典训练 | 第30-33页 |
| 3.3.1 图像块分类 | 第30-32页 |
| 3.3.2 K-SVD字典训练 | 第32-33页 |
| 3.4 SL0重构算法及其改进 | 第33-35页 |
| 3.5 修复算法的实现 | 第35-36页 |
| 3.6 实验结果及分析 | 第36-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 边缘拟合的SL0稀疏表示图像修复算法 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 图像破损边缘的修复 | 第44-49页 |
| 4.2.1 断裂边缘的提取 | 第45-46页 |
| 4.2.2 断裂边缘线的修复 | 第46-49页 |
| 4.3 修复算法的实现 | 第49页 |
| 4.4 实验结果和分析 | 第49-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 | 第65页 |
