| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·数字图像修复技术简介 | 第9-10页 |
| ·图像修复技术的国内外研究现状 | 第10-14页 |
| ·用于小尺度缺损的图像修复技术 | 第11-12页 |
| ·基于纹理合成和图像分解的大面积图像补全技术 | 第12-13页 |
| ·基于图像稀疏表示的图像修复技术 | 第13-14页 |
| ·本文的主要内容及结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 数字图像修复的基本原理 | 第16-30页 |
| ·引言 | 第16页 |
| ·贝叶斯框架理论 | 第16页 |
| ·变分 PDE 的图像修复算法 | 第16-20页 |
| ·BSCB 模型 | 第16-17页 |
| ·TV 模型 | 第17-19页 |
| ·CDD 模型 | 第19-20页 |
| ·快速行进(FMM)的图像修复算法 | 第20-22页 |
| ·纹理合成的大面积图像补全算法 | 第22-25页 |
| ·纹理合成修复的基本原理 | 第22-23页 |
| ·Criminisi 图像修复算法 | 第23-25页 |
| ·稀疏表示的图像修复算法 | 第25-29页 |
| ·信号的稀疏表示 | 第25页 |
| ·稀疏表示的优化方法 | 第25-26页 |
| ·形态成分分析(MCA)的图像修复算法 | 第26-28页 |
| ·样本稀疏表示的图像修复算法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 方向筛选性 FMM 图像修复算法 | 第30-39页 |
| ·引言 | 第30页 |
| ·FMM 修复算法的改进分析 | 第30-31页 |
| ·加权窗口主纹理方向的判别与估算 | 第31-34页 |
| ·窗口中加权点的筛选 | 第34-35页 |
| ·权值的计算 | 第35页 |
| ·实验结果和分析 | 第35-37页 |
| ·强弱边缘的修复 | 第35-36页 |
| ·物体移除 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 结构约束和样本稀疏表示相结合的图像修复算法 | 第39-52页 |
| ·引言 | 第39页 |
| ·样本稀疏表示算法的原理分析 | 第39-41页 |
| ·图像结构信息的获取与修复 | 第41-45页 |
| ·图像边缘信息的获取 | 第41-43页 |
| ·确定修复顺序修复结构 | 第43-45页 |
| ·纹理区域的修复 | 第45-47页 |
| ·实验仿真与分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 特征分类学习的结构稀疏传播图像修复算法 | 第52-64页 |
| ·引言 | 第52页 |
| ·图像块特征分类及字典训练 | 第52-55页 |
| ·图像块分类 | 第52-54页 |
| ·K-SVD 分类学习字典 | 第54-55页 |
| ·分类稀疏表示修复图像块 | 第55-57页 |
| ·结构稀疏传播方式的分析和改进 | 第57-59页 |
| ·结构稀疏传播分析 | 第57-58页 |
| ·结构稀疏传播改进 | 第58-59页 |
| ·实验仿真与分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70页 |