数字图像修补与分割--基于张量投票和纹理合成的数字图像修复的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-16页 |
| ·课题背景及其意义 | 第7页 |
| ·课题研究现状 | 第7-15页 |
| ·图像修复的问题描述 | 第8页 |
| ·基于变分的PDE 图像修复技术 | 第8-12页 |
| ·基于纹理合成的图像修复技术 | 第12-13页 |
| ·数字图像修复技术的应用前景 | 第13-15页 |
| ·本文主要研究内容及创新点 | 第15页 |
| ·本文组织结构 | 第15页 |
| ·本文创新点 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 数字图像修复的理论知识 | 第16-24页 |
| ·图像修复的方法论 | 第16-18页 |
| ·最佳猜测原理和贝叶斯框架理论 | 第16-17页 |
| ·图像修补与视觉心理学 | 第17-18页 |
| ·纹理及纹理合成技术相关知识 | 第18页 |
| ·纹理及纹理合成的相关定义 | 第18页 |
| ·基于样图的纹理合成技术 | 第18-21页 |
| ·概述 | 第18-19页 |
| ·马尔可夫随机域 | 第19-20页 |
| ·基于样本的纹理合成 | 第20-21页 |
| ·纹理方向的相关知识 | 第21-23页 |
| ·纹理方向的定义 | 第21-22页 |
| ·纹理方向的研究 | 第22-23页 |
| ·成分标注技术的相关知识 | 第23页 |
| ·成分标注的定义 | 第23页 |
| ·成分标注的技术 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 张量投票技术 | 第24-34页 |
| ·张量投票算法的基本原理 | 第24-29页 |
| ·张量投票算法的提出 | 第24页 |
| ·结构推断的相关研究 | 第24-25页 |
| ·显著性结构推断——张量框架 | 第25页 |
| ·张量投票算法概述 | 第25页 |
| ·张量表示 | 第25-26页 |
| ·张量的投票 | 第26-27页 |
| ·投票的积累 | 第27-28页 |
| ·张量投票框架的扩展 | 第28-29页 |
| ·张量投票的应用 | 第29-33页 |
| ·张量投票在图形重构中的应用 | 第29-32页 |
| ·张量投票在图像修复中的应用 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于张量投票的小尺度缺损图像的修复算法 | 第34-42页 |
| ·引言 | 第34页 |
| ·算法主要思想 | 第34-36页 |
| ·HIS 空间的特征选择 | 第36-37页 |
| ·张量投票的使用 | 第37-38页 |
| ·噪声阈值的确定与滤波 | 第38-39页 |
| ·成份标注 | 第38-39页 |
| ·中值滤波的应用 | 第39页 |
| ·实验及其结论 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于纹理方向的图像修复算法的研究 | 第42-50页 |
| ·引言 | 第42页 |
| ·算法介绍 | 第42-47页 |
| ·计算纹理的方向 | 第43-44页 |
| ·优先权的计算 | 第44-46页 |
| ·模板窗口大小的选择 | 第46页 |
| ·相似纹理块的匹配 | 第46-47页 |
| ·算法流程 | 第47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| ·研究工作结论 | 第50页 |
| ·未来研究方向 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第57页 |
