基于Criminisi算法的图像修复方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景与意义 | 第8-11页 |
| 1.1.1 数字图像修复技术的背景及意义 | 第8页 |
| 1.1.2 数字图像修复技术的应用 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 现有的数字图像修复方法 | 第11-13页 |
| 1.2.2 存在的问题与不足 | 第13-14页 |
| 1.3 论文的主要研究内容及贡献 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-18页 |
| 第二章 图像修复相关知识介绍 | 第18-26页 |
| 2.1 图像修复理论 | 第18-20页 |
| 2.1.1 图像修复问题描述 | 第18页 |
| 2.1.2 图像修复的视觉心理学 | 第18-19页 |
| 2.1.3 图像修复的局部性 | 第19-20页 |
| 2.2 小区域缺损图像修复 | 第20-25页 |
| 2.2.1 BSCB模型 | 第20-22页 |
| 2.2.2 TV模型 | 第22-23页 |
| 2.2.3 CDD模型 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于纹理合成的图像修复技术 | 第26-36页 |
| 3.1 纹理合成技术概述 | 第26-27页 |
| 3.1.1 纹理合成定义 | 第26页 |
| 3.1.2 纹理合成技术 | 第26-27页 |
| 3.2 基于样本块的图像修复算法 | 第27-34页 |
| 3.2.1 CRIMINISI图像修复算法原理 | 第27-29页 |
| 3.2.2 优先权的计算 | 第29-30页 |
| 3.2.3 样本块的搜索与匹配 | 第30-32页 |
| 3.2.4 CRIMINISI算法的优点与不足 | 第32-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第四章 改进的基于样本块的图像修复算法 | 第36-60页 |
| 4.1 修复顺序的改进 | 第36-45页 |
| 4.1.1 优先权函数的改进 | 第36-40页 |
| 4.1.2 结构优先辅助线的引入 | 第40-42页 |
| 4.1.3 仿真验证 | 第42-45页 |
| 4.2 基于多特征联合的自适应块匹配算法 | 第45-54页 |
| 4.2.1 基于局部特征的匹配块自适应 | 第46-47页 |
| 4.2.2 边界距离高斯权重的引入 | 第47-52页 |
| 4.2.3 基于高斯权重的灰度融合块效应处理 | 第52-54页 |
| 4.3 改进后的算法 | 第54-58页 |
| 4.3.1 算法流程 | 第54-55页 |
| 4.3.2 实验结果分析比较 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文工作总结 | 第60-61页 |
| 5.2 未来研究工作展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间完成的科研成果 | 第68-70页 |
| 致谢 | 第70页 |
