基于二值随机森林的非均匀光照QR码重构算法

目的 现实生活QR码在识别过程中,易受到非均匀光照因素的影响,导致QR码无法识别,为此提出一种基于二值随机森林的QR码像素值重构算法。方法 依据QR码图像的双峰特点和梯度值相等的特性,用于提取非均匀光照下受损QR码局部像素特征,并利用随机森林的分类方法确定QR码局部矩阵中间单个像素值,逐步实现受损QR码所有像素值的重构恢复。结果 实验表明与其他方法相比,该算法模型能够很好地利用局部特征提取QR码的真实像素值,并对受损QR码图像进行恢复,实验结果图像均具有较高水平。结论 采用基于二值随机森林的QR码重构算法,能够很好地处理因非均匀光照而导致的识别出错问题,并可以广泛应用于生活中的QR码识别过程,具有较强的实用性。     

基于 SDAE 的受损 QR 码恢复算法

目的针对包装产品外壳上黑白QR码易受到污渍侵蚀损坏,长期磨损易模糊,以及图像采集过程易出现失焦模糊、运动模糊,导致无法完成识别需求,提出一种基于栈式降噪自编码器的受损QR码恢复的预处理方法,达到显著修复包装产品上受损的QR码图像并提高其识别率的目的。方法通过深度学习模型栈式降噪自编码器,可以将受到噪声干扰的像素点根据受损像素数据映射到以标准数据为参照的高概率数值点,实现整个受损QR码基于像素点的重构恢复,从而提高识别率。结果通过对实验QR码进行高斯模糊、随机污渍侵蚀等多种方式的损坏,能够将识别率较低或完全不能识别的测试图像集恢复出高质量的QR码图像,显著地提高了识别率,并且速度快、可重复性好。结论采用基于栈式降噪自编码器的受损QR码恢复的预处理方法,能够重建受损的QR码,并可以广泛应用于包装产品QR码识别前的预处理,以提高识别率。     

基于生成对抗网络的QR码去模糊算法

目的 针对包装产品上QR码在采集过程中的运动模糊、失焦模糊,长期磨损形成的自模糊和环境中的噪声等因素,导致QR码无法识别的问题,提出一种基于生成对抗网络的QR码去模糊算法。方法 采用深度学习模型生成对抗网络对模糊核和环境噪声具有的强大拟合和估计能力,提取模糊QR码图像与真实图像的深层特征和差距,并通过生成器与判别器不断迭代对抗,使生成器具有由输入的模糊QR码产生与之对应的去模糊QR码图像的能力。结果 生成器能较好地对模糊核和环境噪声进行估计,而且能够实现对数据集内多种不同模糊程度QR码的去模糊,去模糊QR码图像效果较好,处理时间快,识别率较高。结论 采用基于生成对抗网络的QR码去模糊算法能够广泛应用于包装产品外壳上QR码的预处理过程,泛化能力较好,能有效提高扫描识别率。