| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 数字图像修复技术的概述及发展 | 第14-17页 |
| 1.1.1 基于变分泛函\PDE模型的图像修复方法的发展 | 第14-16页 |
| 1.1.2 基于纹理合成修复的进展 | 第16-17页 |
| 1.2 数字图像修复的应用与研究意义 | 第17-19页 |
| 1.3 论文的主要工作及组织结构 | 第19-22页 |
| 第二章 数字图像修复的基础 | 第22-36页 |
| 2.1 图像修复问题的描述与修复模型的建立 | 第22-23页 |
| 2.2 基于偏微分方程的图像修复算法 | 第23-33页 |
| 2.2.1 BSCB修复模型 | 第24-27页 |
| 2.2.2 TV修复模型 | 第27-30页 |
| 2.2.3 CDD修复模型 | 第30-33页 |
| 2.3 图像修复算法的评价 | 第33-36页 |
| 2.3.1 主观评价方法 | 第33-34页 |
| 2.3.2 客观评价方法 | 第34-36页 |
| 第三章 基于纹理合成的图像修复算法研究 | 第36-50页 |
| 3.1 纹理合成的技术 | 第36-40页 |
| 3.1.1 纹理与纹理合成 | 第36-37页 |
| 3.1.2 纹理合成的技术 | 第37-39页 |
| 3.1.3 纹理合成修复方法的分类 | 第39-40页 |
| 3.2 基于纹理合成的图像修复 | 第40-47页 |
| 3.2.1 基于纹理合成的图像修复 | 第40-42页 |
| 3.2.2 基于MRF模型的纹理块合成修复方法 | 第42-43页 |
| 3.2.3 基于分解的图像修复算法 | 第43-44页 |
| 3.2.4 基于样本的纹理合成图像修复算法 | 第44-47页 |
| 3.2.5 算法缺陷 | 第47页 |
| 3.2.6 基于样本块的纹理合成图像修复算法改进 | 第47页 |
| 3.3 本章小结 | 第47-50页 |
| 第四章 基于调节因子的多样本合成的图像修复算法 | 第50-62页 |
| 4.1 Criminisi概述 | 第50页 |
| 4.2 Criminisi基于样本的修复算法 | 第50-52页 |
| 4.2.1 Criminisi算法原理 | 第50-51页 |
| 4.2.2 Criminisi算法的具体步骤 | 第51-52页 |
| 4.3 Criminisi算法的改进方法 | 第52-60页 |
| 4.3.1 总结Criminisi算法的缺陷以及提出的改进方法 | 第52-55页 |
| 4.3.2 本文改进的修复算法执行步骤 | 第55-56页 |
| 4.3.3 实验结果与分析 | 第56-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-66页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 研究展望 | 第63-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72页 |
| 1. 基本情况 | 第72页 |
| 2. 教育背景 | 第72页 |
| 3. 攻读硕士学位期间的研究成果 | 第72页 |