| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 数字图像修复技术简介 | 第10页 |
| 1.3 图像修复问题的数学描述 | 第10-11页 |
| 1.4 图像修复技术的国内外研究现状 | 第11-15页 |
| 1.4.1 基于小尺度破损的图像修复技术 | 第12-13页 |
| 1.4.2 基于纹理合成和图像分解的大面积图像修复技术 | 第13-14页 |
| 1.4.3 基于图像稀疏表示的图像修复技术 | 第14-15页 |
| 1.4.4 彩色图像的修复方法 | 第15页 |
| 1.5 图像修复质量的评价标准 | 第15-16页 |
| 1.5.1 主观图像质量评价方法 | 第16页 |
| 1.5.2 客观图像质量评价方法 | 第16页 |
| 1.6 本文的主要内容及结构 | 第16-18页 |
| 第2章 数字图像修复理论概述 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 数字图像修复的数学模型 | 第18页 |
| 2.3 基于变分PDE的图像修复算法 | 第18-22页 |
| 2.3.1 BSCB模型 | 第18-19页 |
| 2.3.2 TV模型 | 第19-21页 |
| 2.3.3 CDD模型 | 第21-22页 |
| 2.4 基于纹理合成的图像修补算法 | 第22-25页 |
| 2.4.1 纹理合成的修补方法 | 第22-23页 |
| 2.4.2 Criminisi图像修复算法 | 第23-25页 |
| 2.5 稀疏表示的图像修复算法 | 第25-27页 |
| 2.5.1 信号的稀疏表示 | 第25-26页 |
| 2.5.2 稀疏表示的优化方法 | 第26-27页 |
| 2.5.3 样本块稀疏表示的图像修复算法 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 利用梯度变化自适应调节的彩色图像修复算法 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 图像修复算法原理及实现 | 第28-36页 |
| 3.2.1 优先权模型的改进 | 第29-32页 |
| 3.2.2 样本块大小的自适应调节及搜索范围 | 第32-36页 |
| 3.3 实验结果及分析 | 第36-42页 |
| 3.3.1 彩色破损图像的修复 | 第36-40页 |
| 3.3.2 彩色图像中物体及文字的移除 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于结构张量的图像修复算法 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 彩色图像的结构张量理论 | 第43-44页 |
| 4.3 算法修复原理及实现 | 第44-49页 |
| 4.3.1 优先权函数的改进 | 第45-46页 |
| 4.3.2 样本块大小的自适应选择 | 第46-48页 |
| 4.3.3 匹配准则SSD的改进 | 第48-49页 |
| 4.4 实验结果及分析 | 第49-58页 |
| 4.4.1 彩色破损图像的修复 | 第50-55页 |
| 4.4.2 彩色图像中物体及文字的移除 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |