| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-20页 |
| ·数字图像修复技术概述 | 第8-15页 |
| ·数字图像的发展 | 第8-10页 |
| ·数字图像修复技术的起源 | 第10页 |
| ·数字图像修复技术的基本特征 | 第10-11页 |
| ·数字图像修复技术的研究意义 | 第11-12页 |
| ·数字图像修复技术的研究现状 | 第12-15页 |
| ·集成学习技术概述 | 第15-18页 |
| ·集成学习技术 | 第15-16页 |
| ·集成学习技术的合理性 | 第16-18页 |
| ·集成学习技术的作用及应用 | 第18页 |
| ·论文研究的主要内容 | 第18-20页 |
| 第二章 数字图像修复技术 | 第20-33页 |
| ·图像修复问题的描述 | 第20-21页 |
| ·基于非纹理结构的图像修复技术 | 第21-27页 |
| ·BSCB 模型 | 第21-23页 |
| ·TV 模型 | 第23-24页 |
| ·CDD 模型 | 第24-25页 |
| ·Mumford-Shah 模型 | 第25-26页 |
| ·基于径向基函数的图像修复方法 | 第26-27页 |
| ·基于纹理合成的图像修复技术 | 第27-32页 |
| ·纹理合成的基本概念 | 第27-28页 |
| ·基于图像分解的图像修复算法 | 第28-29页 |
| ·基于反向遮片的图像修复算法 | 第29-30页 |
| ·基于马尔可夫随机场的图像修复算法 | 第30-31页 |
| ·基于样例的图像修复算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于集成学习技术的数字图像块的修复算法 | 第33-44页 |
| ·改进基于样本块的修复模型 | 第33-40页 |
| ·数学表达描述 | 第33-34页 |
| ·确定待修复区域的优先权 | 第34-35页 |
| ·确定最佳匹配块 | 第35-37页 |
| ·填充待修复块 | 第37页 |
| ·算法步骤 | 第37页 |
| ·仿真实验与效果分析 | 第37-40页 |
| ·集成求解泊松方程和基于样本块的图像修复 | 第40-43页 |
| ·算法描述 | 第41-42页 |
| ·仿真实验与效果分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 盲环境下的数字图像块的自动修复 | 第44-52页 |
| ·数字图像盲取证技术 | 第44-46页 |
| ·可信性综合度量模型 | 第46-50页 |
| ·算法实现与结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·全文工作总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-63页 |
| 致谢 | 第63-64页 |
| 个人简历以及攻读硕士学位期间发表的学术论文与研究成果 | 第64页 |