基于稀疏表示的二維碼圖像超分辨復原研究.pdf

1、隨著信息技術的發(fā)展,通過識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別性能。例如在一些應用中,需要用戶拍攝二維碼圖像上傳至服務器進行識別,由于這些用戶缺乏足夠的指導,往往使上傳的圖像沒有足夠的分辨率,導致識別失敗。可見,對獲取的圖像進行超分辨復原對二維碼的識別至關重要。所以,本文對基于稀疏表示的二維碼圖像超分辨復原進行了研究。本文的主要工作分為:
　　1)探討了兩類主流的超分辨復原

2、方法。本文闡釋了基于重建和基于學習的超分辨復原方法,并發(fā)現(xiàn)二維碼圖像具有很好的結構特征,便于建立高、低分辨率圖像塊之間的關聯(lián),因此推測基于學習的方法更適合這類圖像的超分辨重建。
　　2)探討了基于過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)解的唯一性三個方面對它進行了分析。最后,展示了稀疏表示在圖像超分辨復原領域的有效應用。
　　3)為建立高、低分辨率圖像塊之間

3、的稀疏性關聯(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算子檢測出邊緣梯度作為一個重建特征。梯度方向很好地反映了二維碼的紋理信息,所以使用類邊緣紋理直方圖法抽取出梯度方向作為另一個重建特征。最后,將水平和垂直的二階梯度特征與它們相結合,共同組成低分辨圖像塊的特征抽取器。
　　4)運用上述特征抽取方法,提出了一種針對二維碼圖像的超分辨復原算法。首先,本文采用沖擊濾波器對訓