柱面QR码的识别及实现

传统的QR码识别算法只适用于平面上的条码,柱面上的条码由于二维及三维空间均发生畸变,识别率很低。本文提出一种方法,在背景相对清晰的场合下,通过添加平行于QR码外侧轮廓的辅助矩形进行二维平面校正。在获得平面校正的图像后,再利用效率相对较高的区域还原算法进行三维空间校正,最终获得校正后的图像。该方法在Android平台上进行实现。结果表明,对柱面QR码的识别有较高的准确率。     

QR码抗倾斜识别方法的研究与应用

快速反应码QR(Quick Response Code)是一种信息隐藏量大且读取方便的二维标记码.由于摄像头和QR标记之间的位置关系会导致捕获生成的图像产生倾斜畸变,极大地影响识读准确率.在QR识别流程中增加倾斜矫正处理,采用空间投影校正算法实现抗倾斜的QR码识别,并将其应用到档案系统防伪识别应用,提高了QR码的识别率...     

基于DM642的手机QR码检测与识别

基于市场上二维条码设备的广泛需求,研究了基于DM642的QR码的检测与识别技术.本文针对嵌入式智能设备获取的QR码（Quick Response Code,QR）图像严重倾斜与高度畸变问题,提出了基于位置探测图形的轮廓嵌套特性与轮廓之间面积比例关系来实现QR码定位的算法,接着以直线逼近的方法精确定位QR码的4个角点,然后运用逆透视变换与旋转校正的原理实现QR码的复原操作,最后基于复原后的图像通过网格采样来获取整个二维码的“01”矩阵,以便于后面的QR码解码.最终将算法移植到DM642上运行,能有效解决图像倾斜与畸变问题且解码效果良好.     

基于自适应匹配的QR码取样方法

通常由相机获取的QR码图像都带有一些失真,所以在译码前需要对获取的QR码图像进行识别以得到标准规格的QR码。针对QR码识别中的失真和校正进行了分析研究,解决了某些QR码经过倾斜校正和几何校正后仍存在一些无法避免的失真而无法被传统方法准确取样的问题,提出了一种自适应匹配取样法,根据相邻行（列）像素的匹配度准确获取QR码的模块有效取样区域。实验证明该方法稳定性好,能够快速准确地对QR码进行取样。     

基于符号特征的QR码识别算法

在传统QR码识别算法基础上,提出一种利用QR码自身的符号特征进行识别定位的改进算法。对采集到的图像进行二值化处理,由符号特征定位QR码在采集图像中的位置,通过改进的双线性变换校正在采集过程中引起的图像几何形变,并通过逐模块垂直投影提取条码信息。实验结果表明,该算法具有识别时间短、识别率高等特点。     

QR码图像矫正方法的研究

在利用图像方式识别条码过程中,由于摄像头和QR码之间的位置关系的不同,会导致捕获生成的QR码图像产生倾斜、畸变等问题,提出了通过空间变换和双线性变换的方法矫正变形的条码图像。实验证明,方法简单有效,可以提高QR条码的正确识别率。     

QR码纠错码原理及实现

二维条码长期暴露于印刷品表面,很容易受到污损破坏,为了达到预期的识别效果,除了要设计合理条码结构外,还需要采用一种纠错能力强的纠错算法。为此,分析了QR码的结构组成以及RS纠错码的编译算法及原理;并通过实例对RS码在QR码中的编译码算法及过程进行了研究,研究结果表明RS码在QR码的编译过程中能够达到快速、准确的识别效果。     

快速响应码的识别和解码

研究了快速响应码(QR Code)的识别方法和解码方法。在识别过程中采用Hough变换检测QR码的倾斜角度，通过几何计算纠正失真，并利用双线性插值算法将QR码旋转至水平，然后用Sobel边缘检测算子以及投影算法计算出QR码单元模块的边界。提供的方法能够快速、准确地识别出QR码，有效地抑制了拍摄QR码时产生的失真、噪声、倾斜等因素对QR码识读过程中的影响，提高了QR码的识别率。同时研究给出了QR码进行RS纠错译码过程中应注意的有关在有限域中的运算、如何求解伴随多项式、确定错误位置值和计算错误值的问题。     

基于QR码的数字水印算法研究

针对QR码的结构特征,提出一种QR码数字水印嵌入算法,即根据条码容量自适应调节水印大小,并利用结构微调法在条码的行列中分别嵌入水印信息的方法。将二维条码和数字水印技术相结合有效提高QR条码的安全性和保密性。     

QR码图像几何校正算法的研究

用摄像机拍摄QR码图像时,由于拍摄角度的偏差,可能造成所采集到的QR码图像产生几何失真的情况,给QR码的识别带来了困难。对拍摄到的QR码图像进行预处理,把采集到的光照不均匀的QR码图像采用局部阈值法和数学形态学的方法进行二值化。通过Harris角点检测算法和凸包算法相结合找到QR码的轮廓以及轮廓上的点,再利用该角点检测算法找到QR码的角点,最后使用透视变化法对畸变图像进行恢复。实验结果证明,该方法有效解决了QR码的几何失真问题。     

基于轮廓特征的快速响应码定位与提取方法

针对传统方法对低分辨率无自动对焦功能摄像头拍摄的QR码图像进行定位提取成功率低的缺点,提出了一种新的QR码定位与提取方法。该方法利用QR码寻像图形轮廓上的特征进行条码定位,然后利用直线最佳逼近法进行边界轮廓的寻找,找出四条边界,最后利用平面坐标变换法将条码图像旋转至水平,形成标准QR码图像,从而完成QR码图像的提取。     

QR码图像的矫正与定位方法研究

QR二维条码作为一种可高速、全方位识别的二维条码，已经在各行各业中得到了广泛的应用。本文针对QR条码图像的识别过程中可能遇到的图像倾斜、几何失真等问题进行了研究，提出了通过双线性变换矫正变形的条码图像，然后使用QR条码符号特性对图像进行旋转并定向。实验证明，本文的方法简单有效，可以用于提高QR条码的正确识别率。     

基于Symbian智能手机的QR码识别系统

介绍了QR码识别的基本原理,并设计了一个基于Symbian智能手机的QR码识别系统,重点说明了系统在Symbian平台上实现时,图像采集、异常处理和代码移植等方面的问题。测试表明,该系统可以快速、准确地识别QR码,并有效地处理图像倾斜和投影形变等问题。     

团队进步算法在快速响应码识别中的应用

针对QR码在采集过程中易发生寻像图形受污染的情况,首先改进了QR码的识别模式模型,接着将团队进步算法用于QR码基元识别,该算法通过将优化变量分成普通组和精英组,经过学习、探索等运算,合理地更新成员,最终可搜寻得到最优解,将QR码从图像中提取出来。实验证明,该方法简单有效,可用于拓宽QR码的使用范围。     

基于稀疏表示的QR码识别

针对QR码图像受污染、破损、遮挡时识别软件无法识别的问题,提出一种基于稀疏表示的QR码识别方法。以40类QR码图像作为研究对象,每类13幅,其中每类随机选取3幅共120幅作为训练样本,余下400幅作为测试样本。所有训练样本组成稀疏表示字典,测试样本为训练样本的稀疏线性组合,表示系数是稀疏的,对每一个测试样本,计算其在字典上的投影,具有最小残差值的类别,即为分类所属类别。最后将提出的方法与QR码识读软件PsQREdit的识别结果做了对比和分析。实验结果表明：提出的方法对于部分受污染、破损、遮挡的图像仍能正确识别,具有很好的鲁棒性,为QR码的识别提供了一种新的有效方案。     

Inductive manifold learning using structured support vector machine

Most manifold learning techniques are used to transform high-dimensional data sets into low-dimensional space. In the use of such techniques, after unseen data samples are added to the data set, retraining is usually necessary. However, retraining is a time-consuming process and no guarantee of the transformation into the exactly same coordinates, thus presenting a barrier to the application of manifold learning as a preprocessing step in predictive modeling. To solve this problem, learning a mapping from high-dimensional representations to low-dimensional coordinates is proposed via structured support vector machine. After training a mapping, low-dimensional representations of unobserved data samples can be easily predicted. Experiments on several datasets show that the proposed method outperforms the existing out-of-sample extension methods.     

一种基于最小二乘的QR码定位的稳定算法*

传统的QR码定位算法易受背景和噪声的影响,为后续的识别及解码工作带来了隐患。针对这样的情况,提出了依附间接平差模型的一种新的算法。本算法通过从识别的位置探测图形中抽取中心坐标进行间接平差来纠偏、定位。研究和实验结果表明该算法在可靠性和准确性方面优于传统的方法。适用于QR码的快速定位,同时不受条件及背景约束,抗噪声能力强,可直接应用于其他的视觉领域。