基于凸集投影算法的文档图像超分辨率研究-信息与通信工程专业论文.docxVIP

  • 1
  • 0
  • 约5.98万字
  • 约 88页
  • 2019-01-15 发布于上海
  • 举报

基于凸集投影算法的文档图像超分辨率研究-信息与通信工程专业论文.docx

基于凸集投影算法的文档图像超分辨率研究-信息与通信工程专业论文

优秀毕业论文 精品参考文献资料 声 声 明 本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下, 独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文 不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究 做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的 法律责任由本人承担。 论文作者签名: 亟亟煎 日期: 卅恢占,7 关于学位论文使用权的说明 本人完全了解太原理工大学有关保管、使用学位论文的规定,其 中包括:①学校有权保管、并向有关部门送交学位论文的原件与复印 件:②学校可以采用影印、缩印或其它复制手段复制并保存学位论文; ③学校可允许学位论文被查阅或借阅;④学校可以学术交流为目的, 复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内 容(保密学位论文在解密后遵守此规定)。 签 名: 张丽媛: 一.日期: 竺!鼻』、『7 万方数据 太原理工大学硕士研究生学位论文基于凸集投影算法的文档图像超分辨率研究 太原理工大学硕士研究生学位论文 基于凸集投影算法的文档图像超分辨率研究 摘要 在许多研究领域,图像的细节分析很重要,而分辨率越高的图像,包 含的细节就越丰富,所以超分辨率重建已然发展为图像视觉领域的一个研 究热点。 目前文档图像的重建工作在某些场合有很大的应用需求,远距离车牌 识别时,可以把放大提取出的车牌号变清晰,使交通监控更安全;保存旧 书文物时,可以突出原本褪色模糊的文字笔画,使它尽可能恢复原貌;考 究历史时,可以重建出清晰的碑文古字,使历史研究更方便。现有的重建 算法很多都针对自然图像,而文档图像具有不同于自然图像的纹理特征, 所以已有算法对文字边缘的重建效果并不理想,我们需要针对文档图像的 文本特征来建立效果显著的重建算法。 本论文主要针对文档图像的超分辨率重建展开了深入的研究工作,把 图像配准和重建算法作为重点研究内容,对传统算法的不足给出了相关的 优化方法,实现了古书碑文的重建应用。本论文围绕文档图像重建主要从 下列几个方向展开研究: 首先,介绍了文档图像超分辨率重建的科研背景和国内外当前的工作 进展,介绍了本文课题的具体应用及发展理论基础,接着建立文档图像的 退化模型,将文档图像的超分辨率重建过程分成三步进行了详细说明,并 将文档图像重建技术进行分类和介绍。 其次,介绍了图像配准算法,重点对特征点提取中的尺度不变(SIFT) T 万方数据 太原理工大学硕士研究生学位论文算子进行研究与改进,在原算法的基础上先对文档图像进行了预处理,提 太原理工大学硕士研究生学位论文 算子进行研究与改进,在原算法的基础上先对文档图像进行了预处理,提 高图像对比度,同时对原算法进行了“降维处理,为SIFT算子节约了大 量的内存空间,使特征点提取速度加快,同时提升了匹配的准确率。将其 与现有图像重建空域法相结合,应用于视频获取的序列图像超分辨率重建 中,改善了重建效果。 最后,重点介绍了空域算法中的凸集投影算法(POCS)并做出了改进, 使其更加适用于文档图像的重建。算法在配准部分使用改进的SIFT配准方 法,在重建部分将文档图像独特的双峰特性作为先验约束条件来修正估计 值,相比原算法更具有针对性,同时对阈值的选取进行了改进,在退化模 型中加入了不确定因子,使残差值在原先的噪声基础上多了一项不确定因 素,将原算法的固定阂值变成了自适应阈值,提高了算法的鲁棒性及图像 重建效果。然后将改进算法应用于古书碑文图像的重建,重建出的图像文 字线条突出,基本上消除了噪声造成的线条阴影,对比传统算法,本文的 重建结果更加理想,证明了改进算法在实际应用中具有较高的可行性。 关键词:文档图像,超分辨率重建,图像配准,SIFT算法,POCS算法, 阈值优化 II 万方数据 太原理工大学硕士研究生学位论文THE 太原理工大学硕士研究生学位论文 THE RESEARCH OF SUPER.RES OLUTl0N 0F DOCI臃NT IMAGE BASED ON POCS ALGOⅪTHM AB STRACT In many research areas,analysis of the image details is Ve巧important.The hi曲er res01ution the image has,the richer details it contains.Therefore,the reconstruction of super·res01ution has already become a hotspot in血e research 矗eld of image Visualization. At present,there is a great application demand of t

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档