数字图像修复技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 基于偏微分方程的图像修复 | 第15-16页 |
| 1.2.2 基于样本匹配的图像修复 | 第16-17页 |
| 1.2.3 基于稀疏表示的图像修复 | 第17页 |
| 1.3 主要研究内容及论文结构 | 第17-19页 |
| 第二章 图像修复理论基础 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 基于样本修复模型 | 第19-23页 |
| 2.2.1 纹理合成技术 | 第19-20页 |
| 2.2.2 Criminisi算法 | 第20-22页 |
| 2.2.3 Criminisi算法的关键技术 | 第22-23页 |
| 2.3 基于稀疏表示修复模型 | 第23-28页 |
| 2.3.1 稀疏表示理论 | 第23-25页 |
| 2.3.2 稀疏表示的求解和优化 | 第25-26页 |
| 2.3.3 字典的分类 | 第26-27页 |
| 2.3.4 基于稀疏表示的图像修复 | 第27-28页 |
| 2.4 图像修复算法性能评价方法 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于图像局部熵合成样本块的图像修复算法 | 第30-41页 |
| 3.1 引言 | 第30-31页 |
| 3.2 信息熵 | 第31-33页 |
| 3.2.1 基本理论 | 第31页 |
| 3.2.2 信息熵划分图像 | 第31-33页 |
| 3.3 待修复块的局部熵 | 第33-34页 |
| 3.4 合成匹配块 | 第34页 |
| 3.5 实验结果与分析 | 第34-40页 |
| 3.5.1 算法性能测试 | 第34-37页 |
| 3.5.2 算法修复在应用中的效果比较 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于多匹配准则的自适应修复算法 | 第41-54页 |
| 4.1 引言 | 第41-42页 |
| 4.2 判断边缘块 | 第42-43页 |
| 4.3 相似性衡量方法 | 第43-44页 |
| 4.3.1 欧氏距离 | 第43-44页 |
| 4.3.2 巴氏距离 | 第44页 |
| 4.4 匹配策略的改进 | 第44-45页 |
| 4.5 优化迭代时间 | 第45-46页 |
| 4.6 实验结果及分析 | 第46-53页 |
| 4.6.1 实验设计 | 第46-47页 |
| 4.6.2 性能测试 | 第47-49页 |
| 4.6.3 应用实验与分析 | 第49-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 样本分类学习字典的图像修复算法 | 第54-62页 |
| 5.1 引言 | 第54页 |
| 5.2 基于KSVD学习字典的图像修复 | 第54-56页 |
| 5.3 FCM聚类算法 | 第56-58页 |
| 5.4 分类学习字典修复算法 | 第58页 |
| 5.5 实验结果与分析 | 第58-60页 |
| 5.6 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62页 |
| 6.2 未来展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |
