1、“.....这也是任何正确接收的系数带来的要求。由于只能通过递归过程才能求解，这种方法不适合实时应用。如图所示，用这种方法，损坏块及个邻近块形成个组合块。首先，组合块用算子进行边沿存在测试。块分类成单调块和边沿块。边沿方向量化成种方向，对应于度的范围。然后，对组合块进行两种投影操作。先进行带宽限制的投影操作。如果是个单调块，则该块属于等方问知限带宽约束的，进行等方向低通滤波。如果块分类器输出是个方向之，沿着该方向进行带通滤波。滤波操作在傅立叶变换域实行。二次投影操作实现范围限制和将次操作的输出值截断到的范围。对于正确接收的边沿块的象素，它们的值保持。两种投影操作交替操作，直到块不再改变。当初始估计较好时，般重复次就足够了。该技术仅仅利用了空间信息的重建处理，因此用帧内编码块或静态图像。对于帧间编码块，种方法是用运动补偿块作为初始估计，再进行投影进步提高重建精度......”。

2、“.....除了直接利用空间像素或运动场信息外，还可以利用周围图像块在频谱上的相关信息，这就是基于频域的误码掩盖方法。该方法只需要利用周围相关性最重要的频谱系数，如分量和其它部分低频系数。损坏块的每个频域系数用周围块相对应系数插值恢复。频域掩盖策略就是在域做估值，与在亮度域估值相比，在域的运算量更少，因为，毕竟在亮度域必须逐像素进行插值，而在域是根据前面正确解码宏块的系数，利用邻块系数插值加边界平滑约束条件的系数恢复计算。来预测当前的宏块的系数，然后用像素值为系数的常数来替代受损的宏块，显然这种方法损失了大量的系数，也就是高频分量，图像将变得非常模糊，甚至出现块效应。此时，还可以采用部分重建系数，尤其是频率较低的系数，可以获得更好的质量，但代价就是算法的复杂度和消耗的运算时间。空域系数恢复的基本理论最早是由和首先提出的......”。

3、“.....基于频域变换，将丢失块的系数分为两部分，低频部分和高频部分，低频部分使用空间相邻信息进行恢复，而高频部分使用时域图像的冗余信息进行恢复，即达到了图像的平滑过渡，同时最大程度的恢复了图像细节，从而可以克服空域和时域误码掩盖算法的缺陷，取得较好的效果。最大平滑恢复算法利用空间域的平滑约束条件来恢复变换域的系数。这种方法利用多数图像视频信号的光滑特性，通过限制能量最小进行恢复，最小化是块块完成的。为了估计个块中丢失的系数，这种方法使块内及其时空邻近块相邻象素的时空变化的尺度最小化，这样最后估计的视频信号被尽可能地光滑。静态图像的恢复可以只采用空间域的光滑。采用运动补偿和变换编码的视频恢复可以增加时间光滑尺度。为了容易计算，时空的差值尺度可以采用时空相邻象素的方差和。为了满足接收系数的限制，重建的图像帧用接收的系数估计的丢失系数和前帧的预测块来描述......”。

4、“.....空间域时间域和频率域。分别从先前邻近图像块中的象素前帧的预测块和该块接收到的系数进行预测。当个损坏块的所有系数丢失时，该解决方案缩小为空间域和时间域的内插。如果将空间差值尺度的加权设为，该方案相当于损坏的块用预测块替换。如果将时间差值尺度的权重设为，仅仅利用空间相关性，就是从接收的系数和相邻象素数据的线性内插。这可用于帧内编码块或静态图像。重建运算要根据使用的加权系数和丢失系数的变换基函数。给定的丢失模式，这种运算可以预先计算。重建任务涉及矩阵矢量积，与块变换的复杂度相似。相邻两个象素的差值代表时空变化。次平滑尺度导致恢复图像的边沿模糊。二次平滑准则可以减少模糊效应。二次差分与拉普拉斯算符相结合的方法，可以得到满意的重建图像，因光滑在边的方向进行使边沿更加清楚。边沿适应的平滑尺度能进步提高重建图像质量，但实现更为困难，个会引起重建图像明显的噪声......”。

5、“.....低的计算量下产生满意质量的图像。本章小结本章首先阐述了通信中误码产生的原因和误码类型,由于图像视频压缩都采用了变长编码和预测编码等技术,因此误码对解码图像质量的影响可能会在空域和时域发生传播或扩散。然后介绍了目前在图像视频通信中运用较为成熟的抗误码技术,包括差错控制技术和误码掩盖技术，其中差错控制技术主要分别介绍了信道误码控制信源误码控制信源信道联合编码控制和误码防扩散四类技术。误码掩盖技术主要介绍了时域空域及频域误码掩盖。第三章基本算法及实验结果空域误码掩盖简介空域掩盖利用空域即象素域上的冗余来推断区域的信息。在视频序列中，它适用于序列第帧和场景变化后的第帧，也可用于对运动复杂之类时域相关性较差的区域，即帧内编码的帧或宏块。大部分空域掩盖技术的基本假设之是图像在空间上满足局部平滑性。例如双线性插值,以块边缘的已知象素作为参考进行加权和来预测块的信息......”。

6、“.....又能够满足最大程度的区域与周围的平滑过渡，在平滑区域掩盖效果较好。其缺点是，块内的边界,,,,,其中,表示像素表示频域系数。在有效像区域的样本的值用,表示,其中表示行数和表示列数。通过个线性组合傅里叶基函数的个参数模型,去近似有效像区域内的信号。基函数通过展开系数,进行加权定义在整个地区上。根据离散二维傅里叶变换，对于图像块中的每个像素，第次迭代时的参数模型可以描述为,其中,为,基函数对应的系数，为该像素所采用的基函数集合。使用用表示的组基函数，可用的基函数的数量等于在整个地区量样本的数目。为了确定展开系数,我们在原有的信号和参数模型之间最小化个加权误差准则来评估要考虑的有效像素区。加权函数,在有效像素区有振幅,，而在其他地方为零......”。

7、“.....因为在恢复丢失块的同时，外面的块也同时恢复了，所以可以根据丢失块周围的未丢失块对丢失块进行恢复。在第次恢复时，有效像区域的样本的值,是已知的，而在区域是未知的，而参数模型,是估计值，设在已知区域为,在未知区域为。信号外推目的就是要根据区域中已知的样本值将其与估计值进行对比比较，为使丢失块的样本值尽可能精确的恢复，这就要求在有效像素区域的估计值尽可能的接近已知值，由公式可知需要使最小，所以的偏导数为零，即需满足,然而,这种最小化过程不会导致独特的解决方案,因为我们有个还未解决的问题。原因在于,在区域基函数的数量等于样品的数量，并且这数量高于在区域中给定信号样本的数量。为了克服这个问题,我们采用多次恢复的方法，利用逐次逼近迭代的技术。每次迭代都要经历两个两个步骤首先，选个合适的基函数及其对应系数。其次，系数更新......”。

8、“.....。系数更新假设在第次迭代时用参数模型,近似有效像区域内的信号，对于图像块中的每个像素，第次迭代时的参数模型可以描述为,表示在这次迭代中所用组基函数。在初始时刻，将在时为空，参数模型,也为零，引入窗函数,在第次迭代时我们可以表示出在有效像素区域,时的残差信号为通过加权合适的基函数，使误差信号减少从而使在有效像素区域的残差得到进步逼近。,为了得到的值，在满足,时，加权残差能量最小化。,对求偏导可求出,展开系数,通过下面的式子得到更新第三章隐藏新算法在本章中,本文将首先介绍国内外与我们提出的新算法有关的研究状况,然后着重介绍需要进行比对的算法和算法,之后介绍本文提出的新的算法,并通过实验证明新算法相对于之前已有算法,算法性能确实得到了提高。当前相关研究状况近年来......”。

9、“.....其中提出的融合算法,将边界匹配算法,和运动矢量预测结合在起。不过,这篇文章中,只是两种方案的选择,没有能够建立个合适的运动矢量候选集合。基于,提出了种方法,这是利用先修复的丢失块会影响到后序的修复块的原理,利用算子和纹理特征来决定修复的先后顺序,但是经过我们的实验发现,相对于中原来的从两边向中间进行修复的传统做法,这两种利用修复顺序的方式,并没有能够显著提高隐藏的结果。中,传统的隐藏方式是基于宏块的,为了能够预测出更加准确的运动矢量,有些方法中,将隐藏的基本单位变小到大小的。比如,等提出,通过拉格朗日,插值,虽然说拉格朗日的插值能够根据相邻宏块的运动矢量来插值出丢失的运动矢量,但是实际的效果并不够好。接下来,我们首先着重介绍上述所说的和算法。边界匹配算法图边界匹配信息丢失，表现为边界断裂，纹理细节模糊，从而视觉质量有很大下降。因此......”。