| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 引言 | 第9页 |
| 1.2 数字图像修复技术简介 | 第9-10页 |
| 1.3 图像修复技术的国内外研究现状 | 第10-14页 |
| 1.3.1 基于结构的图像修复技术 | 第10-11页 |
| 1.3.2 基于纹理合成和图像分解的图像修复技术 | 第11-12页 |
| 1.3.3 基于图像稀疏表示的图像修复技术 | 第12-13页 |
| 1.3.4 彩色图像的修复方法 | 第13-14页 |
| 1.4 本文的主要内容及结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 数字图像修复技术概述 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 数字图像修复的基本原理 | 第16页 |
| 2.3 变分PDE的图像修复算法 | 第16-20页 |
| 2.3.1 BSCB模型 | 第16-17页 |
| 2.3.2 TV模型 | 第17-19页 |
| 2.3.3 CDD模型 | 第19-20页 |
| 2.4 纹理合成的大面积图像补全算法 | 第20-23页 |
| 2.4.1 纹理合成修复的基本原理 | 第20-21页 |
| 2.4.2 Criminisi图像修复算法 | 第21-23页 |
| 2.5 基于稀疏表示的图像修复方法 | 第23-25页 |
| 2.5.1 稀疏表示理论 | 第23页 |
| 2.5.2 稀疏表示的优化方法 | 第23-24页 |
| 2.5.3 基于样本块稀疏表示的图像修复算法 | 第24-25页 |
| 2.6 彩色图像修复算法 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 结构优化的彩色图像稀疏表示修复方法 | 第27-50页 |
| 3.1 引言 | 第27页 |
| 3.2 RGB模型与YUV模型 | 第27-30页 |
| 3.3 学习字典的训练 | 第30-34页 |
| 3.3.1 基于K-SVD算法的字典训练 | 第30-31页 |
| 3.3.2 基于Fast-ICA算法的字典训练 | 第31-34页 |
| 3.4 重构优先顺序的约束 | 第34-38页 |
| 3.5 图像稀疏重构方法 | 第38-40页 |
| 3.6 实验仿真与分析 | 第40-49页 |
| 3.6.1 破损彩色图像的修复 | 第40-46页 |
| 3.6.2 彩色图像中物体移除 | 第46-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第4章 稀疏度约束和字典原子大小自适应的彩色图像修复算法 | 第50-69页 |
| 4.1 引言 | 第50页 |
| 4.2 算法的基本原理 | 第50-51页 |
| 4.3 结构稀疏传播方式的分析和改进 | 第51-56页 |
| 4.3.1 结构稀疏传播方式 | 第51-52页 |
| 4.3.2 结构稀疏传播改进 | 第52-56页 |
| 4.4 自适应确定字典原子大小 | 第56-59页 |
| 4.5 实验仿真与分析 | 第59-67页 |
| 4.5.1 破损彩色图像的修复 | 第59-62页 |
| 4.5.2 彩色图像中物体移除 | 第62-64页 |
| 4.5.3 彩色图像中不规则破损区域的修复 | 第64-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |