| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 基于偏微分方程的方法 | 第15-17页 |
| 1.2.2 基于样本块的纹理合成的方法 | 第17-21页 |
| 1.3 图像修复技术的不足 | 第21-22页 |
| 1.4 本文的研究目的与工作内容 | 第22-23页 |
| 1.5 本文的组织结构 | 第23-25页 |
| 第2章 图像修复理论基础 | 第25-33页 |
| 2.1 图像修复的基本概念 | 第25-26页 |
| 2.2 图像修复模型的建立 | 第26-27页 |
| 2.3 图像修复的基本原则 | 第27-28页 |
| 2.4 基图像修复质量的评价 | 第28-32页 |
| 2.4.1 主观评价 | 第29-30页 |
| 2.4.2 客观评价 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 经典图像修复算法 | 第33-43页 |
| 3.1 基于PDE的修复算法 | 第33-37页 |
| 3.1.1 BSCB修复算法 | 第33-35页 |
| 3.1.2 TV修复算法 | 第35-37页 |
| 3.2 基于样本块的纹理合成修复算法 | 第37-42页 |
| 3.2.1 EFROS算法 | 第37-39页 |
| 3.2.2 CRIMINISI算法 | 第39-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 基于多尺度分解的K-NNF随机查找图像修复 | 第43-55页 |
| 4.1 本节算法 | 第43-49页 |
| 4.1.1 多尺度分解与重建 | 第43-45页 |
| 4.1.2 匹配块搜索模型 | 第45-48页 |
| 4.1.3 基于鲁棒性的优先级函数 | 第48-49页 |
| 4.2 实验结果分析 | 第49-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 自适应块匹配窄带优化下图像修复 | 第55-64页 |
| 5.1 本章算法 | 第55-59页 |
| 5.1.1 块匹配初始化 | 第56-57页 |
| 5.1.2 窄带优化修复模型 | 第57-59页 |
| 5.2 实验结果与讨论 | 第59-63页 |
| 5.3 本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 附录:攻读硕士学位期间的科研情况 | 第71-72页 |
| 致谢 | 第72页 |