| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 图像彩色化的应用背景及研究意义 | 第11-12页 |
| 1.2 图像彩色化的研究现状 | 第12-14页 |
| 1.2.1 基于手工笔触的颜色扩散方法 | 第12-13页 |
| 1.2.2 基于参考彩色图像的颜色传递方法 | 第13-14页 |
| 1.3 存在的问题及挑战 | 第14-15页 |
| 1.4 本文的研究工作 | 第15-17页 |
| 1.4.1 研究思路 | 第15-16页 |
| 1.4.2 研究贡献 | 第16页 |
| 1.4.3 研究内容及论文结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 稀疏表示与字典学习理论 | 第18-30页 |
| 2.1 稀疏表示理论 | 第18-20页 |
| 2.1.1 稀疏表示模型 | 第18-19页 |
| 2.1.2 稀疏度测量 | 第19-20页 |
| 2.2 稀疏表示求解算法 | 第20-24页 |
| 2.2.1 贪婪追踪算法 | 第21-23页 |
| 2.2.2 凸优化算法 | 第23-24页 |
| 2.2.3 算法比较 | 第24页 |
| 2.3 稀疏表示在图像处理中的应用 | 第24-25页 |
| 2.4 字典及字典学习理论 | 第25-27页 |
| 2.5 K-SVD字典学习算法 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于分类字典与稀疏表示的多内容图像彩色化算法 | 第30-44页 |
| 3.1 基于单一字典与稀疏表示的图像彩色化 | 第31-33页 |
| 3.1.1 基于单一字典的图像彩色化算法简介 | 第31-32页 |
| 3.1.2 存在的问题分析 | 第32-33页 |
| 3.2 基于分类字典与稀疏表示的多内容灰度图像彩色化原理 | 第33-37页 |
| 3.2.1 训练分类字典 | 第33-35页 |
| 3.2.2 基于重建误差最小化的字典匹配及彩色化 | 第35-37页 |
| 3.3 基于分类字典与稀疏表示的多内容灰度图像彩色化实现 | 第37-39页 |
| 3.3.1 训练样本集的构造方法及分类字典的训练 | 第37页 |
| 3.3.2 基于重建误差最小化的字典匹配及彩色化实现 | 第37-39页 |
| 3.4 实验结果及分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于联合字典与稀疏表示的多内容图像彩色化算法 | 第44-62页 |
| 4.1 基于联合字典与稀疏表示的多内容图像彩色化算法原理 | 第44-47页 |
| 4.1.1 联合字典的定义 | 第44-46页 |
| 4.1.2 基于联合字典的字典匹配及彩色化 | 第46-47页 |
| 4.2 基于联合字典与稀疏表示的多内容图像彩色化算法实现 | 第47-49页 |
| 4.2.1 联合字典的构造实现 | 第47-48页 |
| 4.2.2 基于联合字典的字典匹配及彩色化实现 | 第48-49页 |
| 4.3 实验结果及分析 | 第49-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 结论 | 第62-64页 |
| 5.1 本章小结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |
