| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 数字图像修复问题的理论模型 | 第10-11页 |
| 1.3 数字图像修复技术研究现状 | 第11-14页 |
| 1.3.1 数字图像修复原则 | 第11-12页 |
| 1.3.2 数字图像修复方法概述 | 第12-14页 |
| 1.3.3 存在问题和困难 | 第14页 |
| 1.4 论文研究内容和章节安排 | 第14-16页 |
| 第2章 数字图像修复算法的层次化分析 | 第16-30页 |
| 2.1 本章引言 | 第16-17页 |
| 2.2 基于数据层的数字图像修复算法 | 第17-22页 |
| 2.2.1 Bertalmio 的图像修复算法 | 第17-20页 |
| 2.2.2 Criminisi 的图像修复算法 | 第20-22页 |
| 2.3 基于结构层的数字图像修复算法 | 第22-27页 |
| 2.3.1 基于结构和纹理分解的图像修复算法 | 第22-24页 |
| 2.3.2 基于显著结构补全和纹理合成的图像修复算法 | 第24-27页 |
| 2.4 基于语义层的数字图像修复算法 | 第27-29页 |
| 2.4.1 基于学习的图像修复算法 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于结构层的数字图像修复算法 | 第30-42页 |
| 3.1 本章引言 | 第30页 |
| 3.2 改进算法 | 第30-36页 |
| 3.2.1 基于 Canny 边缘检测的阈值下降式显著结构提取算法 | 第30-34页 |
| 3.2.2 断裂边缘匹配距离函数的改进 | 第34-36页 |
| 3.3 算法仿真与结果分析 | 第36-41页 |
| 3.3.1 显著结构提取算法的测试与分析 | 第36-38页 |
| 3.3.2 断裂边缘匹配距离函数的测试与分析 | 第38-39页 |
| 3.3.3 综合实验结果与分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 数字图像修复系统的设计与实现 | 第42-55页 |
| 4.1 本章引言 | 第42页 |
| 4.2 系统设计 | 第42-46页 |
| 4.2.1 系统总体框架分析与设计 | 第42-43页 |
| 4.2.2 各功能模块详细设计 | 第43-45页 |
| 4.2.3 系统工作流程分析 | 第45-46页 |
| 4.3 系统实现 | 第46-49页 |
| 4.3.1 系统开发与运行环境 | 第46页 |
| 4.3.2 第三方库 OpenCV | 第46-47页 |
| 4.3.3 数字图像修复算法的统一接口 | 第47页 |
| 4.3.4 图形化接口的实现 | 第47-48页 |
| 4.3.5 系统运行效果 | 第48-49页 |
| 4.4 数字图像修复算法自动选择方案 | 第49-51页 |
| 4.5 数字图像修复算法自动选择方案测试及分析 | 第51-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-64页 |
| 攻读学位期间发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |