| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 数字图像修复的研究背景 | 第11-14页 |
| 1.2 数字图像修复的国内外研究现状 | 第14-17页 |
| 1.2.1 基于结构的图像修复技术 | 第14-16页 |
| 1.2.2 基于纹理的图像修复技术 | 第16-17页 |
| 1.3 本文的主要内容及结构框架 | 第17-19页 |
| 第二章 数字图像修复的主要算法 | 第19-31页 |
| 2.1 图像修复理论 | 第19-20页 |
| 2.1.1 图像修复的基本原则 | 第19页 |
| 2.1.2 数字图像修复质量的评价标准 | 第19-20页 |
| 2.2 基于变分PDE的图像修复算法 | 第20-27页 |
| 2.2.1 BSCB模型 | 第21-24页 |
| 2.2.2 TV模型 | 第24-26页 |
| 2.2.3 CDD模型 | 第26-27页 |
| 2.3 基于纹理合成的图像修复算法 | 第27-28页 |
| 2.3.1 Criminisi算法 | 第27-28页 |
| 2.3.2 基于图像分解的修复算法 | 第28页 |
| 2.4 几种修复算法修复效果比较 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章多轮递减迭代的自适应TV模型图像修复算法 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 TV模型的计算方法 | 第31-33页 |
| 3.3 基于TV模型的改进算法 | 第33-37页 |
| 3.3.1 非线性扩散修复方程的自适应选取 | 第33-35页 |
| 3.3.2 迭代参数的自适应选取 | 第35-37页 |
| 3.3.3 改进算法的计算流程 | 第37页 |
| 3.4 实验仿真结果及比较分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于梯度信息的自适应Criminisi算法 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 Criminisi算法的基本步骤 | 第42-45页 |
| 4.2.1 计算待修复块的优先权 | 第43-44页 |
| 4.2.2 搜索最佳匹配块并填充 | 第44页 |
| 4.2.3 更新置信度 | 第44-45页 |
| 4.3 基于梯度信息的自适应Criminis i算法 | 第45-49页 |
| 4.3.1 优先权计算公式的改进 | 第45-48页 |
| 4.3.2 模板窗口的计算 | 第48-49页 |
| 4.3.3 改进算法的计算流程 | 第49页 |
| 4.4 实验结果及比较分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于图像分解的图像修复算法 | 第54-65页 |
| 5.1 引言 | 第54-55页 |
| 5.2 图像的分解 | 第55-59页 |
| 5.2.1 图像分解算法 | 第55-58页 |
| 5.2.2 图像分解实验结果 | 第58-59页 |
| 5.3 图像的修复 | 第59-61页 |
| 5.3.1 图像结构部分的修复 | 第59-60页 |
| 5.3.2 图像纹理部分的修复 | 第60-61页 |
| 5.4 本章算法的计算流程 | 第61页 |
| 5.5 实验仿真结果及比较分析 | 第61-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |