基于低秩稀疏分解的字符矫正方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 研究现状 | 第10-17页 |
| 1.2.1 OCR 的研究现状 | 第10-13页 |
| 1.2.2 文本字符矫正的研究现状 | 第13-14页 |
| 1.2.3 低秩矩阵恢复的研究现状 | 第14-17页 |
| 1.3 本文的具体安排 | 第17-20页 |
| 第二章 解决低秩矩阵恢复的现有方法 | 第20-30页 |
| 2.1 迭代阈值（IT）方法 | 第20-21页 |
| 2.2 加速近端梯度（APG）算法 | 第21-23页 |
| 2.3 增广拉格朗日乘子算法 | 第23-26页 |
| 2.4 算法性能的比较 | 第26-27页 |
| 2.5 低秩矩阵恢复的应用 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 改进的 ADM 算法 | 第30-42页 |
| 3.1 字符矫正模型的建立 | 第30-32页 |
| 3.1.1 把字符图像的变形看成是域变换 | 第30页 |
| 3.1.2 把小的不规则的笔画看成是稀疏矩阵 | 第30-31页 |
| 3.1.3 凸松弛 | 第31页 |
| 3.1.4 迭代线性化 | 第31-32页 |
| 3.2 传统的增广拉格朗日乘子法求解字符矫正问题 | 第32-34页 |
| 3.3 改进的 ALM 算法 | 第34-41页 |
| 3.3.1 改进 ALM 算法的提出 | 第34-36页 |
| 3.3.2 新方法收敛性的说明 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 并行分离的增广拉格朗日乘子法 | 第42-56页 |
| 4.1 并行分离的增广拉格朗日乘子法的提出 | 第42-43页 |
| 4.2 新算法收敛性的具体证明过程 | 第43-53页 |
| 4.2.1 相关知识的介绍 | 第43-47页 |
| 4.2.2 新方法收敛性的证明 | 第47-53页 |
| 4.3 本章小结 | 第53-56页 |
| 第五章 字符矫正的实验结果 | 第56-64页 |
| 5.1 算法性能的比较 | 第56-57页 |
| 5.2 字符矫正实例 | 第57-62页 |
| 5.3 本章小结 | 第62-64页 |
| 第六章 结论 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间所取得的相关科研成果 | 第70-72页 |
| 致谢 | 第72-73页 |
