基于稀疏表示的二维码图像超分辨复原研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 主要工作及论文结构 | 第16-18页 |
| 第二章 超分辨复原技术 | 第18-25页 |
| 2.1 超分辨复原技术 | 第18-20页 |
| 2.1.1 基于重建的复原算法 | 第18-19页 |
| 2.1.2 基于学习的复原算法 | 第19-20页 |
| 2.2 二维码图像 | 第20-25页 |
| 2.2.1 信息存储特点 | 第21页 |
| 2.2.2 常见二维码 | 第21-23页 |
| 2.2.3 二维码的应用 | 第23-25页 |
| 第三章 稀疏表示 | 第25-35页 |
| 3.1 信号表示 | 第25-26页 |
| 3.2 稀疏表示 | 第26-27页 |
| 3.3 模型求解 | 第27-30页 |
| 3.3.1 贪婪算法 | 第27-29页 |
| 3.3.2 线性最优化算法 | 第29-30页 |
| 3.4 稀疏分析 | 第30-32页 |
| 3.4.1 稀疏性度量方法 | 第30-31页 |
| 3.4.2 解的唯一性 | 第31-32页 |
| 3.5 稀疏模型的超分辨应用 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第四章 二维码图像特征分析 | 第35-52页 |
| 4.1 引言 | 第35-37页 |
| 4.2 边缘梯度特征 | 第37-42页 |
| 4.2.1 边缘及检测原理 | 第37-38页 |
| 4.2.2 一阶微分法 | 第38-40页 |
| 4.2.3 二阶微分法 | 第40-41页 |
| 4.2.4 Kirsch 边缘算子 | 第41-42页 |
| 4.3 纹理特征 | 第42-45页 |
| 4.3.1 灰度直方图 | 第43-44页 |
| 4.3.2 灰度共生矩阵 | 第44页 |
| 4.3.3 类边缘纹理直方图法 | 第44-45页 |
| 4.4 特征抽取 | 第45-48页 |
| 4.4.1 作用对象 | 第45-46页 |
| 4.4.2 构造抽取器 | 第46-48页 |
| 4.5 实验与分析 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 二维码图像超分辨复原算法与实验分析 | 第52-69页 |
| 5.1 引言 | 第52页 |
| 5.2 超分辨复原模型 | 第52-54页 |
| 5.2.1 稀疏模型 | 第52-53页 |
| 5.2.2 问题求解 | 第53-54页 |
| 5.3 特征抽取预处理 | 第54-57页 |
| 5.3.1 问题模型 | 第54页 |
| 5.3.2 冲击滤波器 | 第54-56页 |
| 5.3.3 提取特征 | 第56-57页 |
| 5.4 稀疏字典学习 | 第57-59页 |
| 5.4.1 字典与样本选择 | 第57-58页 |
| 5.4.2 问题求解 | 第58-59页 |
| 5.5 图像全局约束 | 第59-61页 |
| 5.5.1 问题提出 | 第59-60页 |
| 5.5.2 全局约束 | 第60页 |
| 5.5.3 算法框架 | 第60-61页 |
| 5.6 实验与分析 | 第61-68页 |
| 5.6.1 图像质量评价 | 第61-62页 |
| 5.6.2 不同特征的影响 | 第62-63页 |
| 5.6.3 样本数量的影响 | 第63-64页 |
| 5.6.4 字典大小的影响 | 第64页 |
| 5.6.5 本文算法复原效果 | 第64-65页 |
| 5.6.6 与其他算法比较 | 第65-68页 |
| 5.7 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 论文总结 | 第69-70页 |
| 6.2 未来展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |
