| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 图像修复的研究背景和意义 | 第14-15页 |
| 1.2 图像修复的国内外研究现状 | 第15-16页 |
| 1.3 图像修复效果评价方法 | 第16-17页 |
| 1.3.1 主观评价方法 | 第16页 |
| 1.3.2 客观评价方法 | 第16-17页 |
| 1.4 本文的主要研究内容和结构安排 | 第17-18页 |
| 第二章 数字图像修复基础算法 | 第18-32页 |
| 2.1 基于PDE的修复算法 | 第18-23页 |
| 2.1.1 BSCS修复模型 | 第18-19页 |
| 2.1.2 TV修复模型 | 第19-22页 |
| 2.1.3 CDD修复模型 | 第22-23页 |
| 2.2 基于纹理合成的修复算法 | 第23-25页 |
| 2.3 基于稀疏表示的图像修复算法 | 第25-30页 |
| 2.3.1 稀疏表示理论基础 | 第25-27页 |
| 2.3.2 EM修复算法 | 第27-29页 |
| 2.3.3 MCA修复算法 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 结合CDD模型和Criminisi算法的图像修复算法 | 第32-39页 |
| 3.1 自适应直方图均衡化 | 第32-34页 |
| 3.1.1 图像直方图均衡化变换基本原理 | 第32-33页 |
| 3.1.2 强化细节的自适应直方图均衡化 | 第33-34页 |
| 3.2 本章算法步骤 | 第34-36页 |
| 3.3 本章仿真实验及结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于PCD的图像修复 | 第39-46页 |
| 4.1 迭代收缩算法 | 第39-41页 |
| 4.1.1 背景 | 第39页 |
| 4.1.2 SSF法 | 第39-41页 |
| 4.2 基于PCD的图像修复 | 第41-43页 |
| 4.3 本章算法步骤 | 第43页 |
| 4.4 本章仿真实验结果与分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 全文工作总结 | 第46页 |
| 5.2 未来展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表的学术论文 | 第52页 |