基于图像处理的复杂条件下手机二维码识别

针对手机二维码在光线不均衡、拍摄条码发生几何畸变等复杂条件下的识别问题,以QR码为例,提出利用透视投影变换对拍摄图像进行几何畸变校正,使用多阈值方法进行二值化处理。依据位置探测图形的特点对条码图像进行定位和裁切,设计了基于采样网格的窗口采样方法,以提高信息采样准确率,给出了QR条码的纠错译码步骤。实验结果表明,该方法可以有效识读光线不均和几何畸变的手机二维码。     

一种适用于QR码的数字水印方法

目前,二维条码技术结合数字水印是防伪领域的研究热点.该文提出了一种适用于QR码的数字水印方法,该方法是将数字水印嵌入QR二维条码当中,为了防止QR码图像在DCT域的溢出,对QR码进行了模糊和加噪预处理,将其频域DCT系数进行比较来嵌入水印.为了抵抗数字图像经打印扫描后的图像失真,将水印重复多次嵌入到图像的分块DCT中频...     

QR码图像处理和译码方法研究

介绍了一种通用QR码图像处理算法,利用hough变换和双线性插值法对条码图像进行更有效的定位和旋转,得到基本的条码模块,并对QR码的信息解码过程做了简单的介绍.     

复杂背景下二维条码检测技术

为了进一步提高复杂背景下移动端二维条码检测算法的效率和效果,以Ｄａｔａ　Ｍａｔｒｉｘ二维条 码为研究对象,提出了一种基于区域特征分析和直线Ｓｎａｋｅ定位的条码检测算法．该算法首先对原 始图像进行区域标记,通过对每个区域的颜色、几何、梯度和区域边缘等特征的分析,筛选出含有 “Ｌ型”定位边框的条码区域,然后通过直线Ｓｎａｋｅ算法定位条码边缘,最后拟合条码的四个顶点, 并利用透射变换完成条码的校正．实验表明：该二维条码检测算法具有良好的性能,优于已有的条 码检测算法,抗干扰能力强,能够很好的适应复杂背景下的条码检测,满足了移动端实时高效性的 需要．     

野外大空间火焰目标红外图像的分割算法研究

提出了一种基于图像坐标的火焰图像的自适应动态阈值方法。对发生火灾时产生的火焰图像信息进行了深入的研究和分析,根据所拍摄图片R—G-B颜色空间信息,得到火焰信息更明确的灰度图,再对图像按照坐标分块,对图像分块后的每个子块进行分析,阈值根据图像像素的实际性质而设定,最后应用以对火焰图像进行分割。采用工业监控摄像机和红外滤光片实现双波段图像的采集。实验中分别应用经验值单阈值分割法、迭代法、OSTU法、区域双阈值法和本文所提出的方法进行图像火焰的分割。结果表明：提出的算法在不同光照条件、背景复杂情况下,基本可以摒除干扰物,突出火焰目标,且处理速度较快。     

大津法联合信息熵迭代算法在彩码图像恢复中的应用

针对彩色条码受异常光照影响色彩偏移的问题,根据其具有双色、四色或八色的特点,提出一种大津法(Nobuyuki Otsu)联合信息熵迭代算法确定阈值的自适应彩色条码图像恢复方法。利用Otsu算法确定初始阈值,结合信息熵迭代算法在该阈值上下范围内进一步精确定位阈值,用此阈值二值化分割彩色条码图像的颜色分量达到色彩恢复的目的。该方法克服了单一使用Otsu算法确定阈值不够准确的缺陷,相比同类算法色彩恢复效果更好,算法运行时间也较短。仿真结果表明,对于光照不足或光照不均达到一定程度下的彩色条码图像,该方法能及时有效地恢复出其真实颜色。     

基于随机栅格可视密码与QR码的双重保护方案

为满足地图等复杂图像秘密信息量较大、安全需求较高的应用场景,弥补传统可视密码中信息存储量较小的不足,结合QR码研究并提出一种将可视密码(VC:Visual Cryptography)与QR码结合的双重保护方案。首先对地图等复杂图像进行QR编码,再对QR码使用随机栅格算法进行处理,生成共享QR码与密钥图像,然后对密钥图像使用可视密码算法生成n份分存图像存于云服务器中,实现双重保护。大众扫描共享QR码获得的将是无意义的图像,只有有权限的人扫描共享QR码,才能从云服务器中获得密钥,进而查看QR码中的图像内容。通过对算法进行实验验证,该方案能够有效实现对复杂图像的双重保护,并起到了分级管控的效果。     

一种断层CT图像轮廓线生成曲面的三角化算法

本文针对断层图像（ＣＴ）轮廓线生成３Ｄ曲面这一技术,提出一种简单快速的三角划分算法,该算法首先用链码曲线拐角检测法给定轮廓线进行划分,生成顶点链码,然后对相邻的两个顶点链码进行梯度方向上的拟合,再使用启发式优化逼近曲面方法生成三角形网格的三维曲面。     

一种断层CT图像轮廓线生成曲面的三角化算法

本文针对断层图像(CT)轮廓线生成3D曲面这一技术,提出一种简单快速的三角划分算法.该算法首先用链码曲线拐角检测法给定轮廓线进行划分,生成顶点链码,然后对相邻的两个顶点链码进行梯度方向上的拟合,再使用启发式优化逼近曲面方法生成三角形网格的三维曲面.     

WKS熵阈值法的快速算法

据Shannon熵的性质，将WKS熵阈值法中的目标函数进行了优化，把对数和乘积运算化简为减法运算，从而得到意义明确、形式简洁的WKS熵阈值法的快速算法.这种算法与WKS熵阈值法对图像分割效果完全相同，同时具有更快的运算速度.从理论上给出了该算法的证明，在实验中给出了应用实例.该算法在保持WKS熵阈值法对图像分割效果不变的条件下，提高了运算速度，增强了WKS熵阈值法的实时处理能力.     

面向视觉伺服的工业机器人轮廓曲线角点识别

为了解决工业机器人视觉伺服中轮廓曲线角点识别效率低进而影响实时定位准确性的问题,提出面向视觉伺服的工业机器人轮廓曲线角点识别算法. 建立基于Freeman链码的机械爪轮廓曲线编码模型,利用差别码对机械爪轮廓曲线的角度变化特征进行统一编码建模. 通过基于差别码和卷积系数的卷积运算,对差别码进行局部非线性加权,计算机械爪轮廓曲线上各点的曲度精确量化辨识机械爪角点. 基于候选角点阈值、点的最远领域间隔和局部范围最多点数进行获选角点的初步选取. 采用平面轮廓曲线毛刺过滤筛选误识角点,实现机械爪角点的精确识别,为视觉伺服中实时定位提供可靠的位置信息. 通过与已有平面轮廓曲线角点识别算法对比,验证本研究所提方法的准确性和高效性,提取角点过程具有较强的鲁棒性.     

基于融合图像特征的角点提取方法

基于图像边缘的角点提取往往对噪音敏感,提取精度较高但运算量大,而基于图像灰度的角点提取易于实现但提取效果不佳.因此提出一种融合图像边缘特征和图像灰度特征的角点检测方法.首先在一较低尺度用Canny算法求出所有边缘点,然后求出每一边缘点的曲率值并求出初始角点集,利用Harris算法通过实验在一较优尺度下对初始角点进行筛选并确定最终的角点集合.所提方法融合图像角点提取的两大特征,可以有效改进在单一特征提取下的不足.通过对比实验,该算法明显地提高了图像角点检测性能.     

基于神经网络的由单幅二维工程图形重建三维形体系统的研究

针对基于单幅图形的三维重建方法的多解性和病态性的难点问题,设计实现了一套三维重建系统,提出一种基于角点特征和图形结构特征的人工神经网络分类算法,对输入图形进行识别分类,然后分别对识别结果精确重建,从而避免了直接恢复深度信息的病态解问题.为有效地提取角点特征,采用改进的基于曲率的自适应角点检测算法,给出了滑动窗口的自适应调整策略,并得到图像边界点的局部支持域的特征向量,从而使提取的角点曲率特征具有旋转、平移和尺度不变性.实验验证了改进算法的快速、准确和稳定的特性.     

采用STLK算法的高密度人群行人计数

传统的行人计数方法对人群密度较高的场景适应性较差,而高密度下的人群行人计数有其重要的社会意义和市场价值,行人计数的结果对社会治安问题能起到很好的预警效果。为了提高对高密度人流的计数精确度,首先采用了Shi-Tomasi角点检测法来识别出视频中的特征点,然后借由Lucas-Kanade光流法以目标区域的光流方向作为角点的运动方向,再通过多个特征点的运动状态在短时间内相似的特性消除趋同的角点,从而获得人数。最后通过Python平台和opencv库设计一个演示环境,实现对高密度人流的识别,算法的计数精确度达到89.77%,具有较好的识别效果.     

采用特征点提取算法的车牌倾斜校正方法研究

针对车牌倾斜校正问题,首先简介了四种特征点提取的算法,并结合实验结果分析了各算法的优缺点,进而提出了比传统算法更有效的基于非线性双边滤波器的Harris算法,然后提取出车牌区域的字符角点信息,再结合惯性主轴算法对倾斜车牌进行校正。实验结果证明,改进后算法有效地抑制了伪角点数目,提高了车牌角点检测的精度,使得车牌倾斜校正的精确度和实时性大幅度提高。     

基于CSI的轻量级自适应井下定位算法

针对传统井下定位成本高、工作危险系数大的问题,提出一种基于信道状态信息(channel state information, CSI)的轻量级自适应井下定位(lightweight self-adaptive underground positioning algorithm, LSA)方法。LSA方法以细粒度的CSI替代粗粒度的接收信号强度(received signal strength indicator, RSSI)来获得更高的定位精度,采用逆傅里叶变换将原始CSI数据转换为信道脉冲响应,以此选取视距信号,并通过构建CSI视距信号衰减模型实现轻量级的精确测距;基于井下现有WiFi网络中的访问接入点(access points, APs)位置和井下巷道特征,计算目标相对AP的方向,根据方向和测距结果完成定位。该方法能够自适应于AP在巷道中的任意位置部署,并利用拐角识别优化算法进一步提高定位的精度。试验结果表明,该方法能够使得定位中位数误差达到0.53 m,且无需在井下单独部署任何定位系统,性能明显优于已提出的CDPF、FILA等其他定位算法。     

基于CSI的轻量级自适应井下定位算法

针对传统井下定位成本高、工作危险系数大的问题,提出一种基于信道状态信息(channel state information, CSI)的轻量级自适应井下定位(lightweight self-adaptive underground positioning algorithm, LSA)方法。LSA方法以细粒度的CSI替代粗粒度的接收信号强度(received signal strength indicator, RSSI)来获得更高的定位精度,采用逆傅里叶变换将原始CSI数据转换为信道脉冲响应,以此选取视距信号,并通过构建CSI视距信号衰减模型实现轻量级的精确测距;基于井下现有WiFi网络中的访问接入点(access points, APs)位置和井下巷道特征,计算目标相对AP的方向,根据方向和测距结果完成定位。该方法能够自适应于AP在巷道中的任意位置部署,并利用拐角识别优化算法进一步提高定位的精度。试验结果表明,该方法能够使得定位中位数误差达到0.53 m,且无需在井下单独部署任何定位系统,性能明显优于已提出的CDPF、FILA等其他定位算法。