论文部分内容阅读
二维条码的出现促进了物联网与通信技术的迅速发展,并已经成为机器识读信息的重要载体。QR码作为一种使用广泛的二维条码,不仅具有信息密度高、容量大、纠错能力强、全方位识读等二维条码所具有的优点,还具有超高速识读、能有效表示中国汉字和日文的特点。但是当前QR码识别技术存在一些不足：一、先前QR码的二值分割工作主要集中在提高光照不均条件下QR码的识别率,没有考虑如何对QR码图像进行快速二值化以适应工业化生产与嵌入式应用中的快速识别要求；二、倾角校正过程中,Hough变换在计算QR码的倾斜角度的算法复杂度比较高；三、具有几何形变的QR码图像的识别率不高等。针对以上问题,本文研究了QR码的二值分割算法,采用改进的FCM算法(FFCM)对QR码图像进行快速二值化；采用多约束的Hough变换算法减小倾角计算的复杂度；利用QR码特点,使用基于自适应结构元素的数学形态学算法来准确获取几何失真QR码顶点并进行失真校正。具体的设计方法包括以下三点：1、模糊C-均值算法(FCM)是一种经典的数据分割算法,在无监督学习中,可以用来聚合特征相似的样本。本文利用FCM算法优点,引入改进的FCM算法对QR码图像进行二值分割。通过对QR码图像进行数据约简,利用FCM对QR码进行快速二值分割能在保证识别率的前提下有效缩短识别时间。2、Hough变换在计算QR码图像倾角时的算法复杂度比较高,但是在极角与目标边缘点进行有效约束下能大大降低计算量提高算法的性能。本文采用多约束的方法,利用QR码图像的特点,以Freeman准则为基础对HT变换域进行极角约束；分析了数字图像中直线边缘的三种结构特征,采用基元结构表示目标边缘点对图像轮廓点进行变换点约束。这能有效的提高QR码倾角计算的速度。3、基于自适应结构元素的数学形态学算法,能精确定位几何失真的QR码顶点。首先采用游程统计直方图计算QR码模块大小；然后以此为参数的结构元素对QR码进行数学形态学处理,定位出QR码顶点并进行失真校正。该算法能很好的定位QR码的失真定点,提高失真图像校正的准确性与QR码的识别率。本文基于以上研究成果,构建了一个QR码识别系统,模拟实现了QR码图像的识别过程。经测试,该系统能够准确、快速地识别实际应用中的QR码图像,这对于嵌入式系统与移动终端来说具有一定的应用价值。