| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-15页 |
| 1．1 引言 | 第7-9页 |
| 1．2 国内外图像修补的研究现状 | 第9-13页 |
| 1．2．1 视频序列的恢复 | 第10页 |
| 1．2．2 纹理合成 | 第10页 |
| 1．2．3 去除遮蔽物(disocclusion) | 第10-11页 |
| 1．2．4 Inpainting的研究现状 | 第11-13页 |
| 1．3 本文的主要工作 | 第13页 |
| 1．4 论文的章节结构 | 第13-15页 |
| 2 图像修补的特殊性和方法论 | 第15-22页 |
| 2．1 局部图像修补 | 第15-17页 |
| 2．2 实际修补方案的三大原则 | 第17-18页 |
| 2．3 偏微分方程(PDE)的应用 | 第18-19页 |
| 2．3．1 PDE的导出 | 第18页 |
| 2．3．2 PDE的优点 | 第18-19页 |
| 2．3．3 PDE与图像修补 | 第19页 |
| 2．4 视觉分析中的HELMHOLTZ假设的基本原理 | 第19-21页 |
| 2．5 本章小节 | 第21-22页 |
| 3 基于偏微分方程的图像修补算法研究 | 第22-36页 |
| 3．1 BSCB模型基本原理及修补算法 | 第22-30页 |
| 3．1．1 模型的数字实现 | 第25-28页 |
| 3．1．2 实验结果 | 第28-30页 |
| 3．2 曲率驱动扩散(CDD)模型基本原理及修补算法 | 第30-35页 |
| 3．2．1 模型的数字实现 | 第32-34页 |
| 3．2．2 实验结果 | 第34-35页 |
| 3．3 本章小结 | 第35-36页 |
| 4 基于变分模型的图像修补算法研究 | 第36-45页 |
| 4．1 TIKHONOV规整化模型 | 第36-39页 |
| 4．1．1 预备知识 | 第36页 |
| 4．1．2 修补模型 | 第36-38页 |
| 4．1．3 模型的数字实现 | 第38页 |
| 4．1．4 实验结果 | 第38-39页 |
| 4．2 RUDIN-OSHER整体变分修补模型 | 第39-44页 |
| 4．2．1 整体变分修补模型的函数 | 第39-41页 |
| 4．2．2 模型的数字实现 | 第41-43页 |
| 4．2．3 实验结果 | 第43-44页 |
| 4．3 本章小结 | 第44-45页 |
| 5 基于结构和纹理的图像修补算法研究 | 第45-64页 |
| 5．1 基于纹理的图像修补模型 | 第45-49页 |
| 5．1．1 纹理合成 | 第45-47页 |
| 5．1．2 最佳邻域匹配算法 | 第47-49页 |
| 5．1．3 跳跃与环顾最优匹配算法 | 第49页 |
| 5．2 基于结构和纹理的图像修补模型 | 第49-57页 |
| 5．2．1 Shantanu Rane模型 | 第50-52页 |
| 5．2．2 Vese-Osher模型 | 第52-57页 |
| 5．3 算法的性能分析 | 第57-59页 |
| 5．4 本章小结 | 第59-64页 |
| 结束语 | 第64-67页 |
| 参考文献 | 第67-66页 |
| 致谢 | 第66-72页 |
| 附录 | 第72-73页 |
