基于稀疏性及协作表示的图像修复算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 图像修复的研究现状 | 第11-14页 |
| 1.2.1 基于PDE的图像修复 | 第11-12页 |
| 1.2.2 基于样本的纹理合成 | 第12页 |
| 1.2.3 混合方法 | 第12-13页 |
| 1.2.4 基于稀疏表示的图像修复 | 第13-14页 |
| 1.3 本文的研究内容及结构安排 | 第14-16页 |
| 第2章 图像修复基础理论 | 第16-22页 |
| 2.1 图像修复模型 | 第16-18页 |
| 2.2 算法的评价标准 | 第18-19页 |
| 2.2.1 主观评价 | 第18页 |
| 2.2.2 客观评价 | 第18-19页 |
| 2.3 图像修复的原则和问题 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 一种鲁棒压缩感知框架下的图像修复 | 第22-36页 |
| 3.1 稀疏表示与压缩感知 | 第22-27页 |
| 3.1.1 基于稀疏表示的图像修复 | 第22-24页 |
| 3.1.2 鲁棒压缩感知模型 | 第24-26页 |
| 3.1.3 ADMM算法 | 第26-27页 |
| 3.2 基于鲁棒压缩感知的图像修复算法 | 第27-30页 |
| 3.2.1 修复模型的构建 | 第27-30页 |
| 3.2.2 算法实现过程 | 第30页 |
| 3.3 实验结果分析 | 第30-34页 |
| 3.3.1 块缺失修复实验 | 第31-33页 |
| 3.3.2 字母移除实验 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 多尺度相似块线性加权图像修复算法 | 第36-47页 |
| 4.1 概述 | 第36页 |
| 4.2 本文算法 | 第36-41页 |
| 4.2.1 基于样本的图像修复 | 第36-38页 |
| 4.2.2 多尺度相似性 | 第38-39页 |
| 4.2.3 非局部线性加权 | 第39-40页 |
| 4.2.4 算法实现 | 第40-41页 |
| 4.3 实验结果分析 | 第41-46页 |
| 4.3.1 单块缺失的修复 | 第42页 |
| 4.3.2 多块缺失的修复 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于联合字典和协作表示的图像修复 | 第47-58页 |
| 5.1 概述 | 第47页 |
| 5.2 算法实现过程 | 第47-51页 |
| 5.2.1 基于协作表示的图像修复 | 第47-48页 |
| 5.2.2 联合字典的构建 | 第48-50页 |
| 5.2.3 算法步骤 | 第50-51页 |
| 5.3 实验结果分析 | 第51-56页 |
| 5.3.1 联合字典的优越性 | 第52-53页 |
| 5.3.2 协作表示的优越性 | 第53页 |
| 5.3.3 块缺失修复 | 第53-55页 |
| 5.3.4 大面积缺失的修复 | 第55-56页 |
| 5.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
