| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景和意义 | 第10-11页 |
| ·图像修复的研究现状 | 第11-14页 |
| ·基于 PDE 的图像修复 | 第12页 |
| ·基于纹理合成和样本的图像修复 | 第12-13页 |
| ·基于混合方法的图像修复 | 第13页 |
| ·基于稀疏表示的图像修复 | 第13-14页 |
| ·图像修复算法的评价标准 | 第14-15页 |
| ·主观评价 | 第14页 |
| ·客观评价 | 第14-15页 |
| ·本文的主要研究内容及结构 | 第15-18页 |
| ·课题研究内容 | 第15页 |
| ·课题结构安排 | 第15-18页 |
| 第2章 基于自适应多重字典的彩色图像修复 | 第18-36页 |
| ·图像修复模型 | 第18-22页 |
| ·图像修复模型的建立 | 第18-19页 |
| ·稀疏表示图像修复模型 | 第19-21页 |
| ·图像修复的原则及问题 | 第21-22页 |
| ·彩色图像修复算法 | 第22-31页 |
| ·彩色图像块分类 | 第23-24页 |
| ·训练彩色图像多重字典 | 第24-28页 |
| ·修复过程 | 第28-31页 |
| ·算法实现 | 第31-32页 |
| ·实验结果与分析 | 第32-35页 |
| ·掩模修复实验 | 第32-33页 |
| ·字母修复实验 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 融合自适应多重字典与解析轮廓波稀疏性的彩色图像修复 | 第36-48页 |
| ·概述 | 第36页 |
| ·图像修复算法 | 第36-41页 |
| ·ACT 的稀疏性 | 第36-38页 |
| ·DT-CWT 及其去噪 | 第38页 |
| ·算法实现 | 第38-41页 |
| ·实验结果与分析 | 第41-46页 |
| ·ACT 和 DT-CWT 的比较 | 第41页 |
| ·ACT 实验结果 | 第41-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 融合 K-SVD 多重字典和 PCA 的图像盲修复 | 第48-58页 |
| ·概述 | 第48页 |
| ·算法实现过程 | 第48-56页 |
| ·图像块分类与稀疏编码 | 第48-51页 |
| ·更新 K-SVD 字典 | 第51-53页 |
| ·PCA 修复算法 | 第53-54页 |
| ·掩模估计 | 第54-55页 |
| ·算法实现 | 第55-56页 |
| ·实验结果与分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |