基于稀疏表示的工业Data Matrix码图像修复算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 二维条码的介绍 | 第11-12页 |
| 1.3 本文的国内外研究现状 | 第12-16页 |
| 1.3.1 图像修复的研究现状 | 第12-15页 |
| 1.3.2 稀疏表示图像修复的研究现状 | 第15-16页 |
| 1.3.3 Data Matrix条码的研究现状 | 第16页 |
| 1.4 本文的研究内容和结构安排 | 第16-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 图像稀疏表示模型 | 第19-30页 |
| 2.1 稀疏表示图像修复 | 第19-20页 |
| 2.1.1 稀疏表示理论 | 第19-20页 |
| 2.2 字典学习算法 | 第20-24页 |
| 2.2.1 MOD算法 | 第20-21页 |
| 2.2.2 K-SVD算法 | 第21-24页 |
| 2.3 稀疏表示的编码算法 | 第24-27页 |
| 2.3.1 贪婪算法 | 第24-25页 |
| 2.3.2 L1范数凸优化算法 | 第25-27页 |
| 2.4 图像修复的衡量标准 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于稀疏表示的图像修复 | 第30-41页 |
| 3.1 基于稀疏表示图像修复问题 | 第30-31页 |
| 3.2 K-SVD字典的图像修复 | 第31-32页 |
| 3.2.1 概述 | 第31页 |
| 3.2.2 图像修复算法 | 第31-32页 |
| 3.3 稀疏K-SVD字典的图像修复 | 第32-35页 |
| 3.3.1 稀疏K-SVD字典 | 第32-34页 |
| 3.3.2 修复算法设计 | 第34-35页 |
| 3.4 实验结果与分析 | 第35-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于组稀疏表示的DM码图像修复 | 第41-55页 |
| 4.1 基于组稀疏表示图像修复 | 第41-42页 |
| 4.2 组稀疏表示图像修复算法 | 第42-44页 |
| 4.2.1 图像结构块聚类 | 第42-43页 |
| 4.2.2 基于聚类的字典学习 | 第43-44页 |
| 4.3 图像修复优化算法 | 第44页 |
| 4.3.1 组稀疏模型L1范数最小化 | 第44页 |
| 4.4 分离迭代与梯度优化算法 | 第44-49页 |
| 4.4.1 分离Bregman迭代 | 第44-46页 |
| 4.4.2 梯度优化算法 | 第46-49页 |
| 4.5 实验结果与分析 | 第49-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 D码的识别与分析 | 第55-60页 |
| 5.1 DM码的识别 | 第55-57页 |
| 5.2 DM码的识别分析 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间的学术成果 | 第69页 |
| 攻读硕士期间参与的科研项目 | 第69页 |
