金属表面Data Matrix条码高光区域的信息重构

为实现工业产品的可追溯性,直接将条码加工在零件表面的直接零件标识(Direct Part Marking,DPM)技术,在国内外受到了越来越多的关注。对于金属零件,由于其具有较高的反光性,由相机捕获的金属表面的条码图像常常产生局部高光现象,影响条码的正确读取。为此,针对金属表面激光标刻二维条码出现的局部高光现象,提出了基于五步重构模型的条码重构法,以重构高光区域的条码信息。对获得的条码图像进行倾斜校正,使"L"型实线边界位于图像左下角,对条码进行网格划分实现各个模块的定位。基于Modified Specular-Free(MSF)图像对高光区域进行检测。采用五步重构模型对条码的各个模块进行数值填充,对条码进行读取。实验表明,该算法能达到去除金属表面上条码局部高光的目的,并取得了较高的识读正确率。

Data Matrix二维条码在奥运会门票系统中的应用研究

运用Data Matrix二维条码的特点重新设计奥运体育场馆电子门票系统,并构建了一个完整的奥运电子门票Data Matrix二维条码自动识别系统。对Data Matrix二维条码系统进行详细地规划,并通过实际条码生成的例子,证明其可行性和可实践性。本文突破了Data Matrix二维条码本身的适用领域的限制,有一定新意和实践价值。

基于Gabor滤波和BP神经网络的二维条码区域提取

复杂背景下的二维条码区域提取一直是Data Matrix条码解码过程中的难题之一.通过对图像进行形态学分析从而确定条码的可能区域的方法因计算简单而被广泛应用,但存在着形态学结构体难以选择和虚警率比较高的缺点.为克服这些缺点,提出了基于Gabor滤波和BP神经网络的Data Matrix条码区域提取方法(GF-BPNN).用不同尺度不同方向的Gabor滤波器对图像进行滤波提取其纹理特征,再进行特征变换,使所得特征具有尺度和旋转不变性;然后利用BP神经网络按照前述特征对像素进行分类,再经过形态学后处理提取条码区域.实验结果表明,与进行形态学分析的方法相比,GF-BPNN具有较高的准确率和鲁棒性.

基于改进凸包算法的移动端条码图像定位与校正

经由手机摄像头捕获的二维条码图像发生倾斜、畸变等在所难免,传统PC端做法是通过Hough变换检测Data Matrix条码的"L"形定位符,但其算法复杂度高,存储空间大,不适合在移动端运行.针对移动端硬件限制,在诺基亚广泛采用的Symbian平台改进凸包算法,通过叉乘、角度和长度等方法准确筛选凸包顶点减少计算量,然后以"伪四边形"精确拟合二维条码图像轮廓,缩短计算时间,保证定位效果,在此基础上进行图像的畸变校正,使其适合在手机上运行.最后在搭载Symbian S60的诺基亚N73上对比传统方法以及本文方法的实验效率和效果.

二维条码在波导多层光卡中的应用

针对波导多层光卡(WMOC)的特点,结合Data Matrix二维编码的特性,由此采用二维编码作为WMOC信息存储的方式,并提出一种寻址方法来满足信息的随机读取。结果表明:以Data Matrix编码形式存储在光卡上的信息能够随机存取,并能被准确解译。