| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·图像及视频修复技术的研究背景及国内外研究现状 | 第11-14页 |
| ·图像修复技术 | 第11-13页 |
| ·视频修复技术 | 第13-14页 |
| ·图像及视频修复技术的研究意义与价值 | 第14-15页 |
| ·本论文的主要研究内容与创新点 | 第15-16页 |
| ·本论文的组织结构 | 第16-17页 |
| 第2章 数字图像及视频修复技术的理论基础 | 第17-24页 |
| ·数字图像及视频修复的基本概念及相关问题 | 第17-19页 |
| ·数字图像及视频修复问题的基本概念 | 第17页 |
| ·图像及视频修复的数学模型 | 第17-19页 |
| ·图像及视频修复质量的评价标准 | 第19-21页 |
| ·数字图像及视频的特征分析 | 第21-24页 |
| ·结构特征分析 | 第22页 |
| ·纹理特征分析 | 第22-24页 |
| 第3章 典型的图像及视频修复算法 | 第24-31页 |
| ·基于偏微分方程的图像及视频修复方法 | 第24-27页 |
| ·基于偏微分方程的图像修复算法 | 第24-26页 |
| ·基于偏微分方程的视频修复算法基本思想 | 第26页 |
| ·基于三维空间全变差的局部修复算法 | 第26-27页 |
| ·基于纹理的图像和视频修复算法 | 第27-31页 |
| ·AIEI与CIEI图像修复方法 | 第28-30页 |
| ·AIEI与CIEI图像修复方法在视频修复方面的扩展 | 第30-31页 |
| 第4章 基于K-D树结构和时空近似最优匹配的视频修复算法 | 第31-45页 |
| ·K-D树的基本概念 | 第31页 |
| ·K-D树的实现及效率分析 | 第31-35页 |
| ·K-D树中的节点的结构 | 第32-33页 |
| ·K-D树的建树过程 | 第33-35页 |
| ·ANN函数库与近似最优邻近搜索 | 第35-37页 |
| ·ANN函数库的使用 | 第35-36页 |
| ·ANN库的核心函数 | 第36-37页 |
| ·基于K-D树结构和时空近似最优匹配的视频修复方法 | 第37-40页 |
| ·实验结果对比与分析 | 第40-45页 |
| 第5章 总结与展望 | 第45-47页 |
| ·总结 | 第45页 |
| ·展望 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 作者简介及在学期间参加的科研项目 | 第49-50页 |
| 致谢 | 第50页 |
