工业控制环境中QR Code的检测和识别算法

以QR Code为例,研究工业控制环境中的二维条码检测和识别技术.首先针对光照不均,利用Retinex理论,处理光照校正.然后根据QR Code条码的特征,提出了基于边缘信息的二值分割算法,并设计了一种快速定位算法.接着分析了条码图像经过高斯函数模糊的数学模型,求解高斯函数方差,并给出了利用逆滤波对条码图像进行反模糊复原的算法.实验结果表明文中提出的算法具有较好的稳定性和时间复杂度,能在复杂的背景中有效地检测定位条码,并显著地提高了条码的识别率,满足了工业控制环境使用的要求.

三维条码的编码理论和设计

条码应用的进一步推广,对条码的信息容量提出了更高的要求.增大条码尺寸或增大条码密度的解决方案都有其局限性.文中在二维条码的基础上,设计了一种新的条码——三维条码.这种条码结合条空宽度变化、条空颜色变化和纵向排列来表示信息,能在有限的几何空间内表示更多的信息.文中先讨论了条码的编码技术,再对二维条码进一步扩展,提出三维条码,研究了三维条码的编码容量、差错控制等关键技术.最后研究了三维条码的识别技术,并给出一个三维条码的识别算法框架.

基于投影算法的二维条码识别

文中以PDF41条码为例研究了二维条码的分割和识别算法。首先根据7Hough变换定位出图像上的条码并利用双线性插值将条码旋至,水平然后再在条码中定位单个码字符号的图像最后利用投影算法识别出单个码字符号。文中提出的投影算法能有效地去除几种常见的图像,,噪音对条码识别的影响,提高了条码的识别率。实验结果充分表明此算法具有良好的性能满足了实际使用的要求。

基于波形分析的二维条码识别

传统的条码识别方法是通过边缘检测来定位条码边界 对于被光学系统点扩展函数严重模糊的高密度条码图像 ,这种方法的性能急剧下降 为了克服点扩展函数造成的模糊 ,提出了一种基于波形分析的二维条码识别算法 先在图像上定位条码位置 ,并在条码中分割出单行码字符号的图像 然后分析条码波形 ,计算出点扩展函数的标准方差 根据点扩展函数 ,重建条码波形 最后为了提高对图像噪音的抗干扰性 ,根据波形峰点定位条码边界 实验结果表明 ,基于波形分析的识别算法具有优秀的性能 ,显著地提高了高密度条码的识别率 。

基于中点检测的二维条码识别

条码边缘模糊会导致其识别率下降 ,本文提出了一种基于中点检测的识别算法 ,能有效地解决边缘模糊对条码识别的影响 .文中以 PDF4 17条码为例研究了基于中点检测的二维条码识别算法 .首先定位出图像上的条码 ,,然后再在条码中分割出单个码字符号图像 .文中最后根据分割出来的单个码字符号图像着重讨论了基于中点检测的识别算法 .实验结果表明基于中点检测的识别算法具有良好的性能 ,显著地提高了条码的识别率 ,满足了实际使用的要求 .

综合利用目标区域颜色纹理特征的彩色图像检索

基于内容的图像检索是当前图像数据库领域的一个研究热点。文章提出了一种基于目标区域的多特征彩色图像检索算法。首先获取彩色图像HSI色彩空间的亮度分量灰度图像,再计算得到亮度分量灰度图像的二值边缘图像,并根据边缘图像的连通性提取彩色图像的目标区域。然后抽取目标区域的颜色特征和纹理特征,并分别对两个特征的相似距离进行归一化。最后综合利用这两个特征共同进行检索。实验结果表明,该文的算法具有良好的性能,在检索准确率上获得了较好的效果。

基于傅立叶变换的二维条码识别

研究了基于傅立叶变换的二维条码识别技术 .首先探讨了二维条码的定位分割技术 ,即在条码中分割出单行码字符号的图象 ,分析条码信号经过点扩展函数卷积后的降质模型 ,并讨论条码信号的一阶导数和中点的性质 ,通过分析条码信号 ,提出了一种计算点扩展函数标准方差的算法 ;然后利用傅立叶变换对条码信号进行反模糊滤波 ;最后对复原的条码信号做差分处理 ,并采用边界强度直方图策略自适应地选取阈值滤去噪声导致的无效边界 .在边界强度直方图中 ,采用基于矩阈值选取的方法寻找最佳阈值 .实验结果表明 ,该识别算法具有优秀的性能 ,显著地提高了条码的识别率 。

基于手机平台的Data Matrix 2维条码识别

传统的条码图像采集和识别是通过工业扫描枪。近年来,随着移动增值业务和3G技术的发展,2维条码在手机设备的应用中得到飞速发展。以Data Matrix为例,研究了基于嵌入式手机设备的2维条码识别技术。首先根据Data Matrix条码的特点,给出了一种基于链码跟踪和线段检测的快速Data Matrix检测算法。接着分析了条码信号经过点扩展函数卷积后的降质模型,并利用维纳滤波对条码信号进行反模糊滤波。最后,针对透视畸变的现象,设计了一种适合于嵌入式手机设备的快速反透视算法。实验结果表明,提出的识别算法具有优秀的性能,显著提高了条码的识别率,满足了实际使用的要求。

遗传算法和Hopfield模型求解货郎担问题的比较和分析

文章简要介绍了运用遗传算法和Hopfield网络求解货郎担问题的模型,讨论了两种算法中有代表性的实现途径,并给出了两种方法的具体算法。文中根据实验数据,着重对两种算法的性能进行了比较和分析。

复杂背景中条码检测定位技术的研究

研究了复杂背景中条码检测定位技术。先分析每个子区域的特征 ,选出可能包含条码的子区域 ,然后对子区域进行合并筛选 ,检测条码所在位置。最后根据 Hough变换 ,找出条码边界 ,并用双线性插值将条码旋至水平。实验表明文中提出的条码检测定位算法具有很好的性能 ,优于传统的基于梯度特征的检测算法。

基于迭代计算的二值波形反卷积

传统的条码识别方法是通过二阶导数零交叉来定位条码边界。对于被光学系统点扩展函数严重模糊的高密度条码图像,这种方法的性能急剧下降。为了克服点扩展函数卷积造成的模糊,需要进行反卷积处理复原波形。反卷积问题的求解是一个病态问题。在条码波形二值的限定下,提出了一种基于迭代计算的反卷积算法。先将条码图像旋至水平;然后分析条码波形,进行系统辨识;最后根据点扩展函数,采用迭代的方法重建条码波形。实验结果表明算法具有优秀的性能,显著地提高了高密度条码的识别率。

基于不变矩特征的二维码模糊类型辨识算法

二维条码作为一种重要的自动识别技术,有极大的商用前景。有效地解决二维条码图像模糊问题是其能够得以广泛应用的关键。针对条码识别中的常见3类模糊函数,设计了一个基于不变矩的辨识方法。文中分析了不同的模糊类型的频域图像的差异。经过边缘检测和去噪音的预处理后,对图像进行二值化,并提取矩特征进行辨识。最终实验表明本文设计的算法具有很好的识别率。

基于Feistel结构的超轻量级分组密码算法(PFP)

面向无线终端资源受限环境对加密算法的应用需求,借鉴PRESENT算法的设计思想,采用Feistel结构,并修改扩散层的P置换,设计了一种超轻量级分组密码算法PFP。其硬件实现需要1355GE,优于PRESENT算法,满足资源极端受限环境的需求(2000GE以下)。速度测试结果表明,PFP算法的软件实现效率约为PRESENT算法的1.5倍。依赖性测试、线性分析、差分分析、不可能差分分析和密钥编排攻击表明,PFP算法满足轻量级分组密码的安全需求。

统计不相关最优鉴别分析的理论与算法

该文分析了Fisher准则函数所对应的广义特征方程的特征向量的性质 ,在此基础上揭示了具有统计不相关性的最优鉴别矢量集的本质 ,即为广义特征方程的d个最大的特征值所对应的满足共轭正交条件的特征向量。指出了统计不相关的最优鉴别分析是经典的Fisher线性鉴别分析的进一步发展。在ConcordiaU niversityCENPARMI手写体阿拉伯数字数据库上的试验结果证实了所提出算法的有效性。

物联网工程专业建设初探

通过分析物联网工程专业的内涵和外延,研究该专业总体建设规划,提出合理的培养方案与课程体系,设计独具特色的专业实践体系,兼顾专业教材建设和师资建设,建设物联网工程特色专业,培养基础知识扎实、工程能力和创新意识并重的物联网工程专业高素质卓越人才。

一种新的基于颜色特征的图像检索方法

提出一种新的基于颜色特征的彩色图像检索算法.该方法首先利用颜色的距离矩阵,对样本图像进行非监督的颜色量化,得到调色板,然后将待检索图像按最小距离映射到该调色板中,这样对于所有图像,就可以得到基于样本图像调色板信息的统一的颜色直方图.这种颜色量化算法精度高于有监督的量化,而速度又明显高于传统的无监督的颜色聚类.此外,结合颜色在图像中的散布情况,综合颜色的统计特征与空间分布特征来描述图像内容,保证图像内容描述的精确性.实验证明,利用该算法的检索效率较高,检索结果也能够较好的满足人的视觉感受.

基于亚像素边缘检测的二维条码识别

提出了一种基于亚像素边缘检测的二维条码识别算法,能有效地解决边缘模糊对条码识别的影响。以PDF417条码为例研究了基于亚像素边缘检测的二维条码识别算法。首先定位条码位置并在条码中分割出单个码字符号图像。然后根据分割出来的单个码字符号图像讨论了基于亚像素边缘检测的识别算法。实验结果表明基于亚像素边缘检测的识别算法具有良好的性能,显著地提高了条码的识别率，满足了实际使用的要求。

利用特征点平均矩特征的商标图像检索

提出了一种新的基于多特征点平均矩特征的商标图像检索方法。首先根据图像的参照圆与形状主方向将图像划分为若干个同心圆,并在每个同心圆内确定一些特征点,这些特征点在图像中的相对位置不受旋转、尺度、平移等因素的影响。然后提出了基于多特征点平均矩特征的概念,该特征不仅具有良好的鲁棒性,而且对于噪声以及图像边缘的细微变化并不敏感,非常适合用来描述商标这种特定的图像。实验结果证明,利用该算法检索的结果兼顾了商标图像在局部和整体上的一致性,能够较好地满足人的视觉感受。

基于无人机航拍图像的公路标线检测算法

随着公路建设的迅速发展,对公路养护的任务量与日俱增,传统的人工查看方式已不再适用,利用无人机航拍对公路标线进行自动化检测无疑是一种更好的检测方式。而对于公路标线的自动化检测分析,首要的便是对图像中的公路标线进行检测。基于无人机航拍公路图像,提出一种针对公路航拍图像的公路标线检测算法。首先依据路面的颜色特征以及梯度特征进行路面分割,并提取分割图像连通区域,然后将深度学习物体检测领域的Faster R-CNN算法与连通区域颜色面积特征相结合进行非标线区域的过滤,最后提取未过滤的标线区域作为公路标线提取结果。实验结果表明,该算法适用性强,运行效率高,针对不同的公路均具有较高的准确率。

SIFT特征与GrabCut算法的车辆跟踪方法

车辆跟踪作为智能交通系统中的一项关键技术备受广大学者关注。SIFT(scale-invariant feature transform)特征可以有效解决目标的旋转、缩放、平移,为车辆跟踪提供很好的特征支持,但是传统的SIFT特征跟踪不能区分前景和背景,极多的匹配特征集中在背景上,导致跟踪目标丢失。在研究现有车辆跟踪算法的基础上,提出了基于SIFT特征与Grab Cut算法的车辆跟踪方法,SIFT特征有效解决了车辆姿态变化及远近变化问题,Grab Cut算法有效保证了前景及背景的准确分割。实验表明,该方法在日间摄像机不明显晃动环境下,初始帧运动检测车辆后能够对运动车辆实现稳定的跟踪,并且有效解决了车辆姿态变化及远近变化问题。