| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究的背景和意义 | 第8-10页 |
| 1.2 数字图像修复的发展及现状 | 第10-12页 |
| 1.3 论文研究主要内容 | 第12-13页 |
| 1.4 文章的结构安排 | 第13-15页 |
| 2 相关数学理论 | 第15-22页 |
| 2.1 有限差分法 | 第15-16页 |
| 2.2 变分原理 | 第16-18页 |
| 2.3 梯度下降流 | 第18-19页 |
| 2.4 散度算子 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 图像修复理论及主要方法 | 第22-34页 |
| 3.1 数字图像修复概述 | 第22-24页 |
| 3.1.1 数字图像修复问题描述 | 第22-23页 |
| 3.1.2 图像修复效果的评价标准 | 第23-24页 |
| 3.2 基于偏微分方程的图像修复 | 第24-28页 |
| 3.2.1 TV模型 | 第24-25页 |
| 3.2.2 CDD模型 | 第25-26页 |
| 3.2.3 Mumford-Shah模型 | 第26-28页 |
| 3.3 基于纹理合成的图像修复 | 第28-30页 |
| 3.4 基于小波分解的图像修复 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 非局域样本填充和自适应曲率驱动模型的遥感图像修复算法 | 第34-49页 |
| 4.1 引言 | 第34-35页 |
| 4.2 基于约束的非局部区域多样本填充 | 第35-37页 |
| 4.2.1 非局部均值算法 | 第35-36页 |
| 4.2.2 基于欧式距离约束的非局部区域样本填充 | 第36-37页 |
| 4.3 基于梯度模值自适应调整的曲率驱动模型 | 第37-41页 |
| 4.3.1 曲率驱动修复模型分析 | 第37-38页 |
| 4.3.2 基于梯度引导函数的曲率驱动模型提出 | 第38-39页 |
| 4.3.3 模型的离散化 | 第39-41页 |
| 4.4 算法的实现过程 | 第41-42页 |
| 4.5 实验与分析 | 第42-48页 |
| 4.6 本章小结 | 第48-49页 |
| 5 基于冲击滤波自适应CDD模型和非下采样小波变换的图像修复算法 | 第49-61页 |
| 5.1 引言 | 第49页 |
| 5.2 基于灰度与结构信息的样本填充 | 第49-51页 |
| 5.2.1 结构相似度 | 第50页 |
| 5.2.2 欧式距离与结构相似度相结合的样本填充 | 第50-51页 |
| 5.3 基于非下采样小波变换的图像分解 | 第51-53页 |
| 5.3.1 小波分析及其特性介绍 | 第51-52页 |
| 5.3.2 非下采样小波变换及其分解架构 | 第52-53页 |
| 5.4 基于冲击滤波的自适应CDD模型 | 第53-56页 |
| 5.4.1 self-snake模型分析 | 第53-54页 |
| 5.4.2 基于冲击滤波的自适应CDD模型提出 | 第54-55页 |
| 5.4.3 模型的离散化 | 第55-56页 |
| 5.5 算法的实现过程 | 第56-57页 |
| 5.6 实验与分析 | 第57-60页 |
| 5.7 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 1 总结 | 第61-62页 |
| 2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68页 |