| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·引言 | 第9-11页 |
| ·不完备数据修复 | 第11-13页 |
| ·张量投票技术 | 第13-15页 |
| ·论文的主要工作及内容安排 | 第15-16页 |
| 2 图像的张量投票 | 第16-28页 |
| ·引言 | 第16-18页 |
| ·张量和张量分解算法 | 第18-19页 |
| ·图像的张量表达和张量投票算法 | 第19-22页 |
| ·图像结构信息的提取 | 第22-23页 |
| ·改进的张量投票方法 | 第23-24页 |
| ·实验结果和分析 | 第24-27页 |
| ·小结 | 第27-28页 |
| 3 基于张量分析的自适应小区域缺失图像修复算法 | 第28-43页 |
| ·图像修复问题描述 | 第28-29页 |
| ·图像修复的研究现状 | 第29-32页 |
| ·基于张量分析的自适应修复算法 | 第32-37页 |
| ·实验结果与分析 | 第37-39页 |
| ·图像修复方法的评价方法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 4 基于张量投票的大区域缺失图像修复算法 | 第43-57页 |
| ·引言 | 第43-46页 |
| ·基于张量投票的大区域图像补全算法流程 | 第46-47页 |
| ·图像结构特征的修复 | 第47-50页 |
| ·纹理修复算法 | 第50-53页 |
| ·实验结果和分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 5 总结 | 第57-60页 |
| ·本文工作的总结 | 第57-58页 |
| ·图像修复技术的展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录1 攻读学位期间发表的论文目录 | 第66-67页 |
| 附录2 MOS、UQI、SSIM 和 Dist 的推导 | 第67-69页 |