| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-20页 |
| ·数字图像修复技术的背景、目的和意义 | 第9页 |
| ·图像修复问题的描述 | 第9-10页 |
| ·数字图像的国内外研究现状 | 第10-16页 |
| ·基于结构的图像修复算法 | 第11-13页 |
| ·基于纹理的图像修复算法 | 第13-15页 |
| ·基于结构的纹理合成算法 | 第15-16页 |
| ·图像修复质量的评价标准 | 第16-18页 |
| ·论文主要内容及结构框架 | 第18-20页 |
| 第2章 基于样本的纹理合成技术 | 第20-34页 |
| ·引言 | 第20页 |
| ·纹理合成的数学描述 | 第20-21页 |
| ·基于像素点纹理合成技术的典型算法 | 第21-24页 |
| ·Efros 和 Leung 的非参数采样的纹理合成技术 | 第21-22页 |
| ·WL2000 算法的基本理论 | 第22-24页 |
| ·基于像素块的纹理合成典型算法 | 第24-30页 |
| ·Efros 和 Freeman 的 Image Quilting 算法 | 第25-26页 |
| ·Criminisi 图像修复算法 | 第26-30页 |
| ·两种改进的 Criminisi 算法介绍 | 第30-33页 |
| ·Feng Tang 算法 | 第30-32页 |
| ·魏琳算法 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第3章 基于样本的快速图像修复算法 | 第34-49页 |
| ·引言 | 第34页 |
| ·基于样本的快速图像修复算法的基本原理 | 第34-35页 |
| ·图像破损区域的形状分析 | 第35-36页 |
| ·搜索邻域尺寸的确定方法 | 第36-38页 |
| ·置信度更新方法 | 第38-40页 |
| ·改进算法的流程 | 第40页 |
| ·仿真结果与分析 | 第40-48页 |
| ·强结构边缘破损修复情况 | 第41-43页 |
| ·纹理破损修复情况 | 第43-45页 |
| ·不同破损程度的修复情况 | 第45-46页 |
| ·去除物体修复情况 | 第46-47页 |
| ·与 Feng Tang 算法修复效果的性能比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 自适应模板的图像修复算法 | 第49-64页 |
| ·引言 | 第49页 |
| ·算法的基本原理 | 第49-50页 |
| ·自适应模板大小的确定 | 第50-56页 |
| ·强边界的判断方法 | 第51-53页 |
| ·较强边界的判断方法 | 第53-55页 |
| ·弱边界的判断方法 | 第55页 |
| ·像素块大小的自适应选择 | 第55-56页 |
| ·新的图像修复顺序 | 第56-57页 |
| ·改进算法的主要流程 | 第57页 |
| ·仿真结果与分析 | 第57-63页 |
| ·破损区域中包含强边界/较强边界的图像修复 | 第58-61页 |
| ·去除多余物体 | 第61页 |
| ·与魏琳算法的性能比较 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71页 |