基于稀疏表示的二維碼圖像超分辨復(fù)原研究.pdf

1、隨著信息技術(shù)的發(fā)展,通過(guò)識(shí)別二維條碼獲取有用資訊已變得非常普遍。二維條碼信息量大,密度大,所以需要高分辨率的圖像確保識(shí)別性能。例如在一些應(yīng)用中,需要用戶拍攝二維碼圖像上傳至服務(wù)器進(jìn)行識(shí)別,由于這些用戶缺乏足夠的指導(dǎo),往往使上傳的圖像沒(méi)有足夠的分辨率,導(dǎo)致識(shí)別失敗?？梢?jiàn),對(duì)獲取的圖像進(jìn)行超分辨復(fù)原對(duì)二維碼的識(shí)別至關(guān)重要。所以,本文對(duì)基于稀疏表示的二維碼圖像超分辨復(fù)原進(jìn)行了研究。本文的主要工作分為:
　　1)探討了兩類(lèi)主流的超分辨復(fù)原

2、方法。本文闡釋了基于重建和基于學(xué)習(xí)的超分辨復(fù)原方法,并發(fā)現(xiàn)二維碼圖像具有很好的結(jié)構(gòu)特征,便于建立高、低分辨率圖像塊之間的關(guān)聯(lián),因此推測(cè)基于學(xué)習(xí)的方法更適合這類(lèi)圖像的超分辨重建。
　　2)探討了基于過(guò)完備字典的稀疏表示模型。首先,本文闡釋了稀疏表示模型的建立過(guò)程。然后,分別從模型求解、稀疏性度量和稀疏系數(shù)解的唯一性三個(gè)方面對(duì)它進(jìn)行了分析。最后,展示了稀疏表示在圖像超分辨復(fù)原領(lǐng)域的有效應(yīng)用。
　　3)為建立高、低分辨率圖像塊之間

3、的稀疏性關(guān)聯(lián),提出了一種適合二維碼圖像超分辨重建的特征抽取方法。二維碼的邊緣包含大量的高頻信息,所以采用 Kirsch算子檢測(cè)出邊緣梯度作為一個(gè)重建特征。梯度方向很好地反映了二維碼的紋理信息,所以使用類(lèi)邊緣紋理直方圖法抽取出梯度方向作為另一個(gè)重建特征。最后,將水平和垂直的二階梯度特征與它們相結(jié)合,共同組成低分辨圖像塊的特征抽取器。
　　4)運(yùn)用上述特征抽取方法,提出了一種針對(duì)二維碼圖像的超分辨復(fù)原算法。首先,本文采用沖擊濾波器對(duì)訓(xùn)