基于压缩感知的数字识别方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 数字识别研究的背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 压缩感知理论 | 第18-30页 |
| 2.1 引言 | 第18-19页 |
| 2.2 压缩感知理论介绍 | 第19-22页 |
| 2.2.1 信号的稀疏表示 | 第19-20页 |
| 2.2.2 观测矩阵的设计 | 第20-22页 |
| 2.2.3 信号重构 | 第22页 |
| 2.3 压缩感知理论实践举例 | 第22-28页 |
| 2.3.1 基于MP算法的信号重构 | 第22-25页 |
| 2.3.2 基于OMP算法的信号重构 | 第25-28页 |
| 2.4 压缩感知理论的应用 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 道路限速标志的识别流程 | 第30-45页 |
| 3.1 限速标志图像的预处理 | 第30-39页 |
| 3.1.1 图像增强 | 第30-35页 |
| 3.1.2 图像滤波 | 第35-37页 |
| 3.1.3 图像归一化 | 第37-39页 |
| 3.2 限速标志图像的特征提取 | 第39-42页 |
| 3.3 限速标志图像的分类方法 | 第42-44页 |
| 3.3.1 最近邻分类法 | 第43页 |
| 3.3.2 K-近邻分类法 | 第43-44页 |
| 3.3.3 最近子空间法 | 第44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于压缩感知的限速标志识别方法 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 压缩感知的稀疏表示分类原理 | 第45-48页 |
| 4.3 基于稀疏表示的限速标志识别方法 | 第48-51页 |
| 4.4 基于分类的稀疏表示限速标志识别方法 | 第51-54页 |
| 4.5 实验结果分析 | 第54-57页 |
| 4.5.1 以灰度为特征的不同分类方法对比 | 第54-55页 |
| 4.5.2 基于Haar特征的不同分类方法对比 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 基于字典学习的分类稀疏表示识别算法 | 第58-70页 |
| 5.1 字典学习的基本思路 | 第58-59页 |
| 5.2 两种典型字典学习算法 | 第59-64页 |
| 5.2.1 最优方向方法 | 第59-60页 |
| 5.2.2 在线字典学习算法 | 第60-61页 |
| 5.2.3 两种字典学习算法的对比 | 第61-64页 |
| 5.3 基于字典学习的分类稀疏表示识别方法 | 第64-65页 |
| 5.4 实验结果分析 | 第65-69页 |
| 5.5 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |
