| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题背景及课题意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·基于变分PDE 的图像修复技术 | 第12-13页 |
| ·基于纹理合成的图像修复技术 | 第13-14页 |
| ·基于稀疏表示的图像修复技术 | 第14-15页 |
| ·基于图像分解的图像修复技术 | 第15-16页 |
| ·本文研究内容及创新点 | 第16-17页 |
| ·本文组织结构 | 第17-19页 |
| 第2章 数字图像修复技术的理论知识 | 第19-31页 |
| ·基于贝叶斯推断的图像修复问题的数学描述 | 第19-21页 |
| ·基于变分偏微分方程的图像修复 | 第21-23页 |
| ·基于纹理合成的图像修复 | 第23-27页 |
| ·纹理合成技术 | 第23-24页 |
| ·基于非参数采样的纹理合成图像修复 | 第24-25页 |
| ·基于样例的图像修复方法 | 第25-27页 |
| ·基于稀疏表示的图像修复算法 | 第27-30页 |
| ·信号的稀疏表示 | 第27-28页 |
| ·基于稀疏表示的图像修复 | 第28页 |
| ·常用稀疏编码方法 | 第28-30页 |
| ·图像修复质量的评价 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第3章 局部学习基稀疏约束结合优先权选择扩散的图像修复算法 | 第31-43页 |
| ·概述 | 第31-32页 |
| ·局部学习基稀疏约束结合优先权选择扩散的图像修复 | 第32-37页 |
| ·系统框图 | 第32-33页 |
| ·局部自适应学习基的训练 | 第33页 |
| ·基于稀疏约束的图像修复 | 第33-34页 |
| ·信息扩散分层迭代图像修复 | 第34-37页 |
| ·实验仿真 | 第37-42页 |
| ·规则丢失区域修复 | 第37-39页 |
| ·非规则丢失区域修复 | 第39-40页 |
| ·损坏照片的修复 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 非局部均值滤波结合优先权选择扩散的全局优化图像修复算法 | 第43-55页 |
| ·概述 | 第43-44页 |
| ·基于非局部均值滤波全局最优化的图像修复 | 第44-49页 |
| ·全局能量函数的建立 | 第44-45页 |
| ·基于最大期望值算法的全局最优函数求解 | 第45-47页 |
| ·由粗及精的修复策略 | 第47页 |
| ·结构优先权选择扩散约束 | 第47-49页 |
| ·相似像素搜索加速算法 | 第49-50页 |
| ·实验仿真 | 第50-54页 |
| ·规则丢失区域修复 | 第50-52页 |
| ·非规则丢失区域修复 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于分类学习字典全局稀疏表示模型的图像修复算法 | 第55-70页 |
| ·概述 | 第55页 |
| ·分类学习字典的构建 | 第55-61页 |
| ·图像聚类分区域 | 第56-58页 |
| ·图像分区域字典学习 | 第58-61页 |
| ·全局稀疏表示图像修复模型 | 第61-63页 |
| ·图像块空间流形分布约束 | 第61-62页 |
| ·全局稀疏表示图像修复模型 | 第62页 |
| ·基于EM 算法迭代优化的全局稀疏表示图像修复模型 | 第62-63页 |
| ·实验仿真 | 第63-69页 |
| ·规则丢失区域修复 | 第63-65页 |
| ·不规则丢失区域修复 | 第65-68页 |
| ·算法复杂度分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80页 |
