| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容和所完成的工作 | 第13-14页 |
| 1.4 论文的组织说明 | 第14-15页 |
| 第2章 相关背景知识介绍 | 第15-23页 |
| 2.1 基于PDE的图像修复算法 | 第15-18页 |
| 2.1.1 BSCB模型 | 第15-16页 |
| 2.1.2 TV模型 | 第16-17页 |
| 2.1.3 CDD模型 | 第17-18页 |
| 2.2 基于纹理合成的图像修复算法 | 第18-20页 |
| 2.3 稀疏表示的基本理论 | 第20-21页 |
| 2.4 典型的图像修复质量评价方法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 结合自适应梯度分类的改进Criminisi图像修复算法 | 第23-41页 |
| 3.1 概述 | 第23-24页 |
| 3.2 改进的Criminisi算法分析 | 第24-27页 |
| 3.3 基于Otsu阈值分割和梯度直方图的分类策略 | 第27-30页 |
| 3.4 结合梯度的改进优先权计算策略和初始已知区域的分类匹配策略 | 第30-32页 |
| 3.5 结合自适应梯度分块的改进Criminisi图像修复算法 | 第32-33页 |
| 3.6 实验结果与分析 | 第33-38页 |
| 3.6.1 结构图像修复对比实验 | 第33-35页 |
| 3.6.2 小尺度样本缺失修复对比实验 | 第35-36页 |
| 3.6.3 大尺度样本缺失修复对比实验 | 第36-38页 |
| 3.6.4 时间代价对比实验 | 第38页 |
| 3.7 本章小结 | 第38-41页 |
| 第4章 基于Sobel和Laplacian算子的改进梯度优先权模型的稀疏图像修复算法 | 第41-57页 |
| 4.1 概述 | 第41-42页 |
| 4.2 块结构稀疏度图像修复算法 | 第42-44页 |
| 4.3 基于Sobel算子和Laplacian算子新梯度图生成策略 | 第44-48页 |
| 4.4 基于改进梯度模型的优先权计算策略 | 第48-49页 |
| 4.5 基于改进梯度优先权模型的块填充策略和搜索区域自适应选取策略 | 第49-50页 |
| 4.6 算法步骤 | 第50-51页 |
| 4.7 实验结果与分析 | 第51-55页 |
| 4.7.1 小尺度破损图像对比实验 | 第51-53页 |
| 4.7.2 大目标移除修复对比实验 | 第53-54页 |
| 4.7.3 修复时间性能对比实验 | 第54-55页 |
| 4.8 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 论文工作总结 | 第57页 |
| 5.2 下一步的工作 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间的研究成果 | 第63页 |
