首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多分辨率技术的图像修复方法研究

摘要第4-6页
abstract第6-8页
专用术语注释表第11-12页
第一章 绪论第12-26页
    1.1 研究背景与意义第12-14页
    1.2 国内外研究现状第14-18页
    1.3 研究内容及贡献第18-25页
    1.4 论文组织结构第25-26页
第二章 基于样本块尺度自适应选择的图像修复方法第26-45页
    2.1 问题的提出第26-29页
    2.2 样本块尺度自适应选择第29-36页
        2.2.1 图像填补顺序第29-30页
        2.2.2 样本块大小的自适应计算第30-35页
        2.2.3 置信度的计算第35-36页
    2.3 实验结果与分析第36-44页
        2.3.1 评价指标第36页
        2.3.2 参数设置第36-37页
        2.3.3 实验结果第37-44页
    2.4 本章小结第44-45页
第三章 基于多分辨率技术的分层图像修复方法第45-73页
    3.1 概述第45-46页
    3.2 基于整体引导式分层修复算法第46-57页
        3.2.1 金字塔分解第46页
        3.2.2 整体引导式分层修复框架第46-48页
        3.2.3 基于样本块的顶层修复第48-49页
        3.2.4 分层引导的其它层修复第49-51页
        3.2.5 实验结果与分析第51-57页
    3.3 基于筛网型引导式分层修复方法第57-72页
        3.3.1 筛网型引导式分层修复框架第58-61页
        3.3.2 顶层图像的修复第61-62页
        3.3.3 其它层图像的修复第62-63页
        3.3.4 最优候选块的选择第63-64页
        3.3.5 实验结果与分析第64-72页
    3.4 本章小结第72-73页
第四章 基于多分辨率图像特征和图割技术相结合的图像修复方法第73-95页
    4.1 引言第73-76页
    4.2 基于多分辨率图像特征的优先权计算第76-78页
    4.3 多分辨率图像资源的搜索第78-82页
    4.4 候选样本块筛选策略第82-84页
    4.5 基于图割的填补第84-85页
    4.6 实验结果与分析第85-94页
    4.7 本章小结第94-95页
第五章 基于深度卷积生成对抗网络的图像修复方法第95-107页
    5.1 生成对抗网络第96-98页
    5.2 基于邻域梯度约束的生成对抗网络第98-106页
        5.2.1 内容损失第99-100页
        5.2.2 梯度损失第100页
        5.2.3 先验损失第100-101页
        5.2.4 DCGAN-NGC修复算法过程第101-102页
        5.2.5 实验结果与分析第102-105页
        5.2.6 讨论第105-106页
    5.3 本章小结第106-107页
第六章 总结与展望第107-111页
    6.1 论文总结第107-109页
    6.2 工作展望第109-111页
参考文献第111-119页
附录1 攻读博士学位期间撰写的论文第119-120页
附录2 攻读博士学位期间申请的专利第120-121页
附录3 攻读博士学位期间主持和参与的科研项目第121-122页
附录4 攻读博士学位期间获得的成果奖第122-123页
致谢第123-124页

论文共124页,点击 下载论文
上一篇:海洋环境下晶体管长贮可靠性研究
下一篇:光温逆境条件下外源钙盐对烤烟的调控效应及其机理研究