一、有复杂背景的条码图像实时处理的研究（论文文献综述）
赵琪,高美欢[1]（2018）在《基于图像的工业在线条码识别算法研究》文中研究说明条码技术是一种自动识别技术,其应用范围越来越广。针对工业生产线上条形码识别问题,首先介绍了几种常见的条形码,分析了工业中用于标识与跟踪的Code128条形码的结构、编码原理和译码方法。基于工业生产检测中常见噪声条形码和模糊条形码的特点,对条码图像进行图像裁剪、图像灰度化和图像形态学处理等预处理后,选用灰度形态学的腐蚀算法将条形码条中的间隙腐蚀掉,使其变为连续的线状,以便于后期条码识别,并借助第三方库Zbar完成条形码识别。实验验证了该方法的有效性。
高美欢[2]（2018）在《基于图像处理的工业在线检测技术研究》文中认为“工业4.0”理念正逐渐深入人心,大多数制造企业开始了项目的实施阶段。从概念到实践:“工业4.0”涉及到智能工厂、智能生产和智能物流三个大方向,都需要产品标识与跟踪、工业机器人、系统软件和大数据等技术支持。在产品标识与跟踪方面,由于条形码具有成本低、高可靠及易用性等特点,在现代制造业生产控制管理中,条码识别技术已成为主要的产品标识与跟踪手段。在实际使用过程中,噪声、光照、以及运动产生的模糊等因素往往干扰相机获取的条码图像质量,从而影响了条码识别的准确性。虽然目前对EAN8、EAN13、code39、code128和QR码在内的码型的识别研究技术已很成熟并应用也很广泛,但对于工业条码的研究还很稀少。在当前电子工业迅速发展的大环境下,电子行业正向小型化,高集成度的方向发展。印刷电路板作为各种电子元器件的高度信息集合被广泛应用在电子工业中的各个领域。由于印刷电路板高密集、高集中的特点,给传统的人工目检带来了巨大挑战。如何精准、高效、低成本的实现工业生产线上条形码识别或pcb自动检测具有十分重要的研究意义。本文研究的内容主要包括两部分:其一是针对工业生产线上条形码识别算法的研究:介绍了常见的几种条形码,分析了工业中用于标识与跟踪的code128条形码的结构、编码原理和译码方法。针对工业生产检测中常见的噪声条形码和模糊条形码的处理算法进行了介绍。将基于噪声检测的加权中值滤波算法应用到噪声条形码的去噪处理中;利用方向微分和微分自相关算法来估计运动模糊的PSF的方向和尺度,并采用维纳滤波算法进行图像复原。根据条形码图像特点（条形码的条中间有细小的间隙,成不连续的颗粒状）选用灰度形态学的腐蚀算法将条形码条中的间隙腐蚀掉,使其变为连续的线状,以便于后期条码识别。最后利用zbar提供的一维条形码译码算法对条形码进行识别。实验表明该算法能有效的提高条形码识别算法的准确性。其二是针对生产线上pcb板缺陷检测技术的研究:为了降低生产中产生的各种噪声影响,首先对pcb板进行去噪处理;然后利用仿射变换实现图像校准;最后根据pcb元件特点,针对不同的元件,提出了不同的检测方法。对于具有规则几何形状的电容元件,采用基于圆弧基元的定位与匹配方法;针对不规则形状的元件,如插针、二极管等,采用改进的SSDA匹配法。最后进行了实验验证。
沙军琴[3]（2017）在《汉信码识别技术的研究》文中研究说明汉信码是2007年由我国自主研发的一种二维条码,具有汉字编码能力强、抗畸变、抗污损、编码效率高、支持加密技术等优点。汉信码的推出,对于我国二维条码应用中存在的知识产权、汉字编码、信息安全等问题的解决提供了有效的技术支持;汉信码技术可被广泛应用于防伪认证、信息追溯、信息安全等领域,是我国大力推广的一种新型二维条码。在实际应用中,汉信码图像采集时往往会受到现场因素的干扰,如复杂背景、光照不均、拍摄角度等,会对汉信码的正确识读造成不利影响,本文针对这些问题进行分析,研究解决复杂场景下汉信码的识读问题,对于汉信码的推广和应用具有积极意义。本文针对复杂场景中汉信码的识别算法进行分析研究,主要工作如下:（1）图像预处理:图像在采集过程中受拍摄环境影响存在噪声及光照不均等问题,选用中值滤波算法对图像中的噪声进行滤除;针对图像光照不均的问题,将图像进行分块,根据子块的灰度均值和整体均值得到子块差值矩阵,选用双线性插值算法对其进行处理使其与原图同尺寸,并与原图进行相减有效消除光照不均的影响。（2）汉信码图像区域定位:对处理后的图像进行阈值分割及腐蚀膨胀处理,并对得到的连通区域进行分析,根据区域面积及最小外接矩形的长宽比对候选区域进行筛选,得到汉信码区域的大概位置;通过汉信码位置探测图形的比例特征匹配,实现汉信码区域的准确定位;根据位置探测中心的坐标特征对提取的汉信码图像进行畸变分析,采用透视变换方法进行透视畸变矫正,运用旋转逆变换对只是颠倒摆放的条码完成旋转校正;经以上处理获得了端正的汉信码图形区域,为后续译码处理打下了良好的基础。（3）汉信码解码:即从汉信码图像解析出其包含的信息。从条码中提取功能信息区域,解析得到条码版本号、纠错等级及掩模方案等信息;据此对信息编码区建立取样网格,采用邻域统计方式进行网格采样,将图形点阵解析成二进制数据;利用RS算法对数据码字进行检错纠错,最后根据编码模式反向解析出原始字符,实现汉信码的识别。本文模拟不同场景,利用手机摄像头采集到80个条码图像样本,通过实验测试,本文算法在复杂背景、污损等情况下也能较好地实现汉信码图像的准确识别,具有较好的适用性。
朱彬[4]（2017）在《复杂场景图像条码检测识别技术研究》文中进行了进一步梳理条码图像识别是一种利用图像处理与模式识别方法检测与提取条码信息的新技术,具有简单、高效、安全可靠的特点,已广泛运用于物流管理、图书管理和电子支付等各个领域。现有条码图像识别系统主要依靠人工对准条码区域,条码识别的工作效率低,而且,对光照不均、磨损、倾斜与透视变形以及复杂背景干扰的鲁棒性和精确性较差。因此,快速、准确、可靠地定位与检测条码已成为条码识别领域的热点研究课题。本文利用一维条码图像具有相同方向纹理的特点,提出了一种基于平方梯度直方图的条码区域定位与倾斜校正方法,首先,利用平方梯度直方图的峰值估计方法,抑制不具有方向一致性的非条码区域,然后,利用其峰值对应的梯度方向,估计候选区域的倾斜角度,并进行几何倾斜失真校正,最后,利用相似边距离与矢量方向度量以及多行扫描投票表决方法,实现了EAN-13条码图像解码软件系统。实验表明,本文提出的方法提高了条码图像识别处理对倾斜以及复杂纹理背景干扰的适应性以及译码的准确率。针对二维QR码寻像图形环形边缘的旋转不变性,本文提出了一种基于环形边缘检测与跟踪的QR码区域检测方法,并开发了QR码图像检测与识别验证软件系统。本文通过跟踪环形边缘检测QR码寻像图形,相比于在整幅图像中扫描匹配寻像图形大大减少了计算开销。实验表明,与现有的寻像图形扫描与匹配方法相比,本文提出的方法不仅提高了计算速度,而且提高了倾斜和透视失真条件下寻像图形检测与识别的适应性和鲁棒性。
温永强[5]（2017）在《Data Matrix二维码识别算法的研究与应用》文中提出随着Data Matrix码在工业自动化领域的广泛应用,自动化生产对Data Matrix码的识别的精确度和识别效率提出了更高的要求,因此,对Data Matrix码定位、识别算法的研究越来越多地得到了研究学者和技术工程师的重视。本文主要对Data Matrix码识别的相关算法进行研究和改进,识别算法主要包括:图像预处理、DM区域初定位、精确定位、解码纠错四部分。针对Data Matrix二维码图像特征,并充分考虑多种复杂情况,本文对Data Matrix码识别过程中涉及的算法进行了研究,比较和分析了各个模块采用算法的优缺点,将不同算法的优点结合并加以改进,使其更好地应用到Data Matrix二维码识别过程中。首先,对DM码图像进行预处理,依次是灰度化、滤波、二值化,针对DM图像特征比较分析了双峰法、迭代法以及最大类间方差法（OTSU）三种二值化算法;然后,在DM码区域初步定位模块中,研究了基于区域显着性检测的定位算法和基于数学形态学的定位算法,基于区域显着性检测的定位算法是以HC对比度和RC显着性为特征进行DM码区域的初定位,而基于数学形态学的定位算法根据目标区域几何特征进行筛选,更为高效地实现了DM码区域的初定位;在后续的精确定位模块中,改进边缘跟踪算法,采用十字交叉式的搜寻方式快速精确地确定“L”特征线,并采用Hough变换算法对DM码区域边界进行直线检测,通过几何变换和透视变换算法进行旋转校正;最后,对精确定位得到的DM码区域进行分割采样,使用Reed Solomon纠错算法进行码字纠错后,译码得到DM码信息。本文在DM码识别软件系统中实现各个模块算法,并且构建了系统用户界面,显示识别系统的识别过程和解码结果,并进行识别效果的测试分析。实验结果表明,识别系统可以满足实际复杂情况下的DM码快速准确的识别要求,识别率达到95%以上,识别速度在200ms以下,具有很好的实际应用价值。
张艺梅[6]（2015）在《适用于远距离全自动识别的条码技术的研究与应用》文中认为目前,投影机的用途已不仅限于展示画面,而是正在发展着多样化的用途,在人机交互领域展现着更多的魅力,给人们的生活带来全新的感受与体验。条码技术是一种自动化信息采集技术,现阶段已广泛应用于各个领域,带来更多的便捷,发挥着越来越重要的作用。论文将二者结合,使条码技术应用在投影显示中,使用户方便了解物品信息,也使物体更具画面感。论文研究的是在特定应用场景下投影识别条码并显示条码内容的课题。特定的应用场景是,投影机在距离桌面约1.2米的正上方向桌面投影,摄像头和投影机在同一水平高度拍摄投影画面,投影机中的软件扫描投影图像,寻找条码并根据条码内容调用数据库用投影的方式显示到桌面上。因条码的尺寸大小受实际情况限制,在远距离拍摄的画面中,会导致图像缩小、变模糊、丢失细节,普通的条码严重失真,已不能满足现实的需求。因此,论文针对应用的需求创造性地设计了适合远距离识别的条码符号——全新的一维条码和基于全局信息统计分析的二维码。全新制定的编码规则使条码结构更加精简,减少了不必要的冗余成分,使之在拍摄的图像中更加清晰,便于识别。对于全新设计的条码解码,根据编码原理,提出具有鲁棒性的解码规则。在图像处理过程中,利用基于局部图像特性的可变阈值处理方法选取二值化的阈值,可有效解决光照不均对图像造成的影响；利用自适应中值滤波器平滑图像,使图像中的噪声得到明显的消除；利用透视变换和双线性插值法校正图像,能解决图像的畸变现象。在定位条码的过程中,一维条码利用SIFT算子进行特征提取,再利用匹配的方法将其定位,解决了条码不能旋转识别的弊端；二维条码利用其结构的优势,用位置探测图形实现定位。传统的识别系统需要不停地移动手持设备（如手机）将条码放入屏幕中所指定的位置,并且要不断调节手持设备与条码间的距离,以达到最后实现识别的最佳位置。而论文设计的条码识别系统,在识别过程中,不需要移动摄像头或条码,只要条码在摄像头所拍摄到的范围内,用基于图像处理的方法,可全自动定位并识别条码。实验中论文对比分析了全新条码和普通条码的实验结果,可看出全新构造的条码由于其精简的结构设计,远距离拍摄仍能准确识别,从而实现应用的需求,具备一定的实用性和推广价值。
陈俊名[7]（2015）在《复杂背景下一维条形码定位算法研究》文中研究说明随着移动照相设备以及扫描仪的广泛普及,获取数字图片正变得越来越容易。同时,在人们的日常生产生活中,无论从商品购买,流通,消费支付等各个方面条形码都扮演着越来越重要的角色。随着应用场景的不断扩展,传统的激光扫描获取条形码的方式已经难以满足人们的日常使用需求。为了提高条形码解码的便捷性,避免逐个人工扫描的效率低下,加快码解码的速度,采用数字图像处理方式进行条形码扫描的方式正越来越受到人们的重视。采用数字图像处理的方式,首先需要完成条形码的定位,再进行条码区域解码。而定位算法的准确直接影响到下一步的解码。在这样的要求下,本文提出了一种在复杂背景下快速稳定的一维条形码定位算法。我们的方法基于数字图像处理,核心是通过边缘检测和统计实现条码候选区域的定位。根据广泛的实验测试和比较分析,证明本文提出的一维条形码定位算法在普通PC上对常用DPI的图像能够实现毫秒级的定位并且对定位区域具有较高的准确率和完整率。同时,该算法对包含复杂背景的条码图像在条码倾斜率,几何形变,条形码位置,条形码区域占整个图片的比例以及条码数量等因素不敏感,具有较高的算法鲁棒性。利用我们的算法将可以大大加快在复杂背景下条形码的整个解码速度并提高最终的解码成功率,具有良好的实际应用前景。
张琪建,李为民[8]（2014）在《基于图像的一维条形码可识别性研究》文中提出机器视觉领域包含两个方面,一个是对信息的采集,另一个是对信息的处理。基于图像的条形码识别,首先要采集图像。限于条形码在图像中所占比例较小,基于图像的条形码识别要求图像具有高清晰度与高分辨率。条形码识别则根据采集图像中条形码条空所占像素数与条形码编码规则解码。自动化领域一般使用工业相机进行图像采集,但采集大画幅高分辨率图像的彩色工业相机价格昂贵,故提出使用普通商业单反相机进行图像采集,并验证了其可行性。用mVTec公司的Halcon10.0一维条形码识别算法作为库函数,采用单因素实验法。测定了对清晰度与分辨率影响的关键因素-光圈值与像素数,对于图像条形码可识别性的影响。实验结果表明在一定范围内,任意光圈值与相机像素数的组合,均可准确无误的识别出条形码。该结论对于一维条形码识别中,商业相机采集图像时的参数设置提供参考依据。
闫锡鹏[9]（2014）在《快递邮件分拣条形码图像分析》文中研究指明电商市场的火爆对快递行业传统销售模式下的业务量波动进行了放大,单纯采用人力进行快递分拣的传统快递企业根本难以应付效率低、工作量繁重而且误差率较高等后果带来的影响。因此,设计体积小、成本低、分拣效率高的适合中小型快递企业的自动分拣系统具有十分重要的意义。快递邮件自动分拣系统条码识别部分的工作流程为：通过对流经传送带的快递邮件标签条码图像的拍摄得到原始图像信息,运用计算机图像处理技术对其包含条形码信息进行译码识别,通过识别信息的分类来对邮件进行自动分拣。该系统通常由两部分组成,分别为快递条码图像软件识别系统和PLC控制快递分拣系统。本课题主要就识别系统进行深入探讨。希望通过反复研究和测试,找到一种在软件识别系统中能够代替工人手工录入的新型自动录入方式。通过将拍摄得到的原始图像进行图像分析,最后通过开发的软件读取图像中包含的条形码和文字信息,为邮件的下一步分拣提供依据。该项技术将图像处理技术用于邮件分拣过程,在邮件分拣信息录入的过程中避开了人工录入数据,节省人力、节约成本。希望通过本课题的深入研究编写出识别快递邮件上必要信息的程序,并通过图像处理技术做到对目标图片的有效处理来保证数据传输的正确率。对利用MATLAB图像处理技术处理拍摄到快递标签图像以及条码区域的提取和信息识别做了可行性分析和具体的实验检验。致力于找到一套能满足本文中的编码译码功能的软件对其进行操作,将数据信息从图形图像中提取,为课题在下一步的进展打好坚实的基础。
杨张[10]（2012）在《复杂背景中条码图像识别关键算法的研究》文中研究指明研究了复杂背景图片中条码的定位及识别技术.通过特征提取、形态学的方法在低分辨率图像中对条码进行粗定位,以粗定位的结果为研究对象,采用边缘提取及灰度投影的方法对条码进行精确定位.提出了一种新的二值化算法,算法利用条码的固有特征得到图像的全局信息,利用全局与局部相结合的方法获取子图像块的最优阈值.实验结果表明,本文算法能有效地去除复杂背景对条码识别的影响,且算法具有较低的复杂度,能在嵌入式平台上实时运行.
二、有复杂背景的条码图像实时处理的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、有复杂背景的条码图像实时处理的研究（论文提纲范文）
（1）基于图像的工业在线条码识别算法研究（论文提纲范文）
| 0 引言 |
| 1 条形码 |
| 1.1 条形码分类 |
| 1.2 Code128码编码规则 |
| 1.3 条形码识别常用方法 |
| 2 条码识别主要算法 |
| 2.1 图像裁剪 |
| 2.2 图像灰度化 |
| 2.3 数学形态学处理 |
| 3 实验及结果分析 |
| 4 结语 |
（2）基于图像处理的工业在线检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及章节安排 |
| 2 条形码编解码原理及条形码识别图像处理技术研究 |
| 2.1 条形码编解码原理 |
| 2.2 条码图像处理算法研究 |
| 2.3 条形码识别算法实验 |
| 2.4 本章小结 |
| 3 PCB板缺陷检测算法研究 |
| 3.1 pcb板图像预处理 |
| 3.2 图像校准 |
| 3.3 pcb板图像的定位与匹配 |
| 3.4 本章小结 |
| 4 工业检测的系统设计 |
| 4.1 硬件系统设计 |
| 4.2 软件系统设计 |
| 4.3 pcb元件检测界面设计及检测结果 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者学习经历简历 |
| 攻读学位期间取得的学术成果和获奖情况 |
（3）汉信码识别技术的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 二维条码技术简介 |
| 1.2.1 二维条码分类 |
| 1.2.2 二维条码特性 |
| 1.3 二维条码识别技术研究现状 |
| 1.4 课题研究内容及论文结构安排 |
| 2 汉信码编码技术分析 |
| 2.1 汉信码符号结构 |
| 2.2 汉信码基本特征 |
| 2.3 汉信码编码技术 |
| 2.3.1 数据分析 |
| 2.3.2 编码模式指示 |
| 2.3.3 数据编码 |
| 2.3.4 汉信码的纠错算法 |
| 2.3.5 掩模算法 |
| 3 汉信码图像预处理 |
| 3.1 图像灰度化 |
| 3.2 图像滤波 |
| 3.3 图像光照异常处理 |
| 3.3.1 光照异常分析 |
| 3.3.2 线性对比度拉伸 |
| 3.3.3 直方图均衡 |
| 3.3.4 自适应光照补偿 |
| 4 汉信码图像区域定位 |
| 4.1 汉信码图像区域的粗定位 |
| 4.1.1 目标分割 |
| 4.1.2 形态学处理 |
| 4.1.3 连通区域筛选 |
| 4.2 汉信码的精确定位 |
| 4.3 汉信码图像区域畸变校正 |
| 4.3.1 汉信码畸变分析 |
| 4.3.2 透视畸变校正 |
| 4.3.3 校正算法 |
| 5 汉信码解码 |
| 5.1 功能信息译码 |
| 5.2 数据信息区解码 |
| 5.2.1 建立取样网格和采样 |
| 5.2.2 采样 |
| 5.2.3 去除掩模 |
| 5.2.4 恢复数据码字序列 |
| 5.2.5 纠错译码 |
| 5.2.6 数据译码 |
| 6 系统测试及数据分析 |
| 6.1 系统开发 |
| 6.1.1 开发平台 |
| 6.1.2 系统功能 |
| 6.1.3 功能测试 |
| 6.2 实验结果分析 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（4）复杂场景图像条码检测识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 条码检测识别国内外研究现状 |
| 1.3 课题主要研究内容 |
| 1.4 本文组织结构 |
| 2 条码概述及其检测识别系统设计 |
| 2.1 一维条码概述 |
| 2.2 二维条码概述 |
| 2.3 条码检测识别系统设计 |
| 2.4 本章小结 |
| 3 基于平方梯度直方图的一维条码定位与识别 |
| 3.1 引言 |
| 3.2 预处理 |
| 3.3 基于平方梯度特征的条码类筛选方法 |
| 3.4 条码区域定位 |
| 3.5 条码倾斜校正 |
| 3.6 基于相似边距离与矢量方向分析的EAN-13译码 |
| 3.7 实验结果分析 |
| 3.8 本章小结 |
| 4 基于环形边缘特征的二维QR码定位与识别 |
| 4.1 引言 |
| 4.2 闭合环形边缘跟踪 |
| 4.3 基于环形边缘特征的QR码定位方法 |
| 4.4 QR码倾斜校正 |
| 4.5 透视变形校正 |
| 4.6 QR码译码 |
| 4.7 实验结果分析 |
| 4.8 本章小结 |
| 5 工作总结和展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 ：攻读硕士学位期间发表的论文 |
（5）Data Matrix二维码识别算法的研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 二维码技术及其研究意义 |
| 1.2 Data Matrix码识别的研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 Data Matrix图像预处理 |
| 2.1 图像灰度化 |
| 2.2 图像滤波 |
| 2.3 图像二值化 |
| 2.3.1 二值化算法选取 |
| 2.3.2 DM二维码的二值化结果及分析 |
| 2.4 本章小结 |
| 第3章 Data Matrix二维码初定位 |
| 3.1 基于区域显着性检测的初定位算法 |
| 3.1.1 基于对比度特征的显着性提取算法 |
| 3.1.2 基于RC显着性特征提取的二维码初定位 |
| 3.2 基于数学形态学的初定位算法 |
| 3.2.1 数学形态学 |
| 3.2.2 边缘检测 |
| 3.2.3 基于数学形态学的二维码初定位 |
| 3.3 本章小结 |
| 第4章 Data Matrix二维码精确定位 |
| 4.1 Hough变换 |
| 4.2 改进的精确定位算法 |
| 4.2.1 改进的边缘跟踪算法 |
| 4.2.2 L型直线段检测 |
| 4.3 变换校正 |
| 4.3.1 确定二维码区域顶点 |
| 4.3.2 基于DM码特征的变换纠正算法 |
| 4.3.3 双线性插值校正 |
| 4.4 本章小结 |
| 第5章 Data Matrix二维码解码 |
| 5.1 Data Matrix码字模块排布 |
| 5.2 Reed Solomon纠错原理 |
| 5.2.1 Reed Solomon纠错码 |
| 5.2.2 Data Matrix二维码的RS纠错算法 |
| 5.3 Data Matrix二维码解码算法 |
| 5.3.1 Data Matrix码分割采样 |
| 5.3.2 码字读取和错码纠正 |
| 5.3.3 Data Matrix译码 |
| 5.4 本章小结 |
| 第6章 Data Matrix码识别系统 |
| 6.1 开发环境和实现平台 |
| 6.2 系统组成和运行效果 |
| 6.2.1 识别系统的组成 |
| 6.2.2 识别系统运行效果 |
| 6.3 实验结果分析 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（6）适用于远距离全自动识别的条码技术的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的组织结构 |
| 2 目前条码应用的局限性 |
| 2.1 一维条码的结构与局限性 |
| 2.1.1 一维条码的结构 |
| 2.1.2 一维条码远距离识别应用的局限性 |
| 2.2 现有的二维码种类及其局限性 |
| 2.2.1 现有的二维码种类 |
| 2.2.2 现有二维码的局限性 |
| 2.3 QR码的结构、编解码过程与局限性 |
| 2.3.1 QR码的结构 |
| 2.3.2 QR码的编码过程 |
| 2.3.3 QR码的解码过程 |
| 2.3.4 QR码远距离识别应用的局限性 |
| 2.4 条码的使用 |
| 2.5 本章小结 |
| 3 全新条码的编码与解码规则 |
| 3.1 全新一维条码算法研究及编解码设计 |
| 3.1.1 一维条码算法原理 |
| 3.1.2 一维条码编码规则设计 |
| 3.1.3 全新一维条码的解码方法 |
| 3.2 全新二维码算法研究及编解码设计 |
| 3.2.1 基于全局信息统计分析的二维码算法原理 |
| 3.2.2 二维码编码规则设计 |
| 3.2.3 具有鲁棒性的解码规则设计 |
| 3.3 本章小结 |
| 4 基于图像处理的条码识别系统 |
| 4.1 条码识别系统架构 |
| 4.2 条码的定位 |
| 4.2.1 全新一维条码的定位 |
| 4.2.2 基于全局信息统计分析的二维码定位 |
| 4.3 基于特征点对的条码校正 |
| 4.3.1 求取变换矩阵 |
| 4.3.2 条码校正 |
| 4.3.3 插值处理 |
| 4.4 图像预处理 |
| 4.4.1 图像灰度化 |
| 4.4.2 图像二值化 |
| 4.4.3 图像滤波 |
| 4.5 条码识别 |
| 4.6 本章小结 |
| 5 识别过程、对比与结论 |
| 5.1 识别过程 |
| 5.1.1 全新一维条码的识别过程 |
| 5.1.2 基于全局信息统计分析的二维条码的识别过程 |
| 5.2 结果对比 |
| 5.2.1 普通条码 |
| 5.2.2 普通二维码 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 攻读硕士学位期间发表的论文 |
（7）复杂背景下一维条形码定位算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 条码定位算法的国内外研究现状 |
| 1.3 本文的主要工作和难点 |
| 1.3.1 本文的主要工作 |
| 1.3.2 本文的难点 |
| 1.4 本文的结构安排 |
| 1.5 本章小结 |
| 第2章 条形码相关技术综述 |
| 2.1 条形码的发展历史 |
| 2.2 条形码的分类 |
| 2.3 EAN条形码编码规则介绍 |
| 2.3.1 EAN码的编码规则概述 |
| 2.3.2 EAN-13条码的编码规则 |
| 2.3.3 EAN-13条码字符集的二进制表示 |
| 2.3.4 EAN-13条码的前置码 |
| 2.3.5 EAN-13条码的校验码 |
| 2.4 本章小结 |
| 第3章 复杂背景下的图像预处理技术 |
| 3.1 一维条形码图像预处理的困难 |
| 3.2 定位算法在预处理中的主要工作 |
| 3.3 相关图像处理算法 |
| 3.3.1 色彩转换 |
| 3.3.2 Gauss滤波 |
| 3.3.3 OTSU阈值计算法 |
| 3.3.4 改进的Sobel边缘检测算法 |
| 3.3.5 图像增强算法 |
| 3.3.6 倾斜角计算 |
| 3.4 本章小结 |
| 第4章 基于边缘统计的一维条形码定位算法 |
| 4.1 基于边缘统计的条形码定位算法 |
| 4.2 预处理 |
| 4.3 边缘检测 |
| 4.4 一维条码的边缘特征 |
| 4.5 候选块检测算法 |
| 4.6 候选域定位 |
| 4.7 连通域合并 |
| 4.8 倾斜校正 |
| 4.9 本章小结 |
| 第5章 实验分析与比较 |
| 5.1 工程开发和实现 |
| 5.1.1 我们的实现 |
| 5.1.2 测试环境和测试数据集 |
| 5.2 实验分析和比较 |
| 5.2.1 照片图像测试结果 |
| 5.2.2 扫描仪图像测试结果 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.1.1 本算法的优势和不足 |
| 6.1.2 下一步工作计划 |
| 参考文献 |
| 致谢 |
（9）快递邮件分拣条形码图像分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 条码识别图像处理文献综述 |
| 1.2.1 条形码图像处理基础 |
| 1.2.2 计算机条形码图像识别 |
| 1.2.3 数字图像处理应用软件简介 |
| 1.3 本文的研究工作和结构安排 |
| 第2章 一维条码简介 |
| 2.1 一维条形码含义 |
| 2.2 条形码识别原理及条码结构简介 |
| 2.2.1 一维条形码扫描识别原理 |
| 2.2.2 一维条形码格式组成及扫描方式 |
| 2.3 一维条形码优点及编码特点 |
| 2.4 商品条形码的分类 |
| 第3章 39码快递标签图像预处理 |
| 3.1 彩色数字图像处理概述 |
| 3.1.1 彩色图像处理技术 |
| 3.1.2 彩色图像中彩色模型简介 |
| 3.2 快递标签图像采集 |
| 3.2.1 图像取样和量化简介 |
| 3.2.2 数字图像的数学表示 |
| 3.3 快递标签图像灰度化 |
| 3.4 基于MATLAB的快递标签条码图像边缘检测 |
| 3.4.1 基于matlab边缘检测原理 |
| 3.4.2 通过Matlab进行图像边缘检测的多种检测器检测结果比较 |
| 3.5 快递标签图像二值化处理 |
| 第4章 快递标签39码定位 |
| 4.1 39码区域整体定位步骤与原理简介 |
| 4.2 边缘线提取法39码局部定位流程与原理简介 |
| 4.3 快递标签39码特征分析 |
| 4.4 边缘线提取法39码定位算法描述 |
| 4.4.1 39码边缘线提取 |
| 4.4.2 39码区域求质心和分条处理 |
| 4.4.3 条内直线角度的计算 |
| 4.4.4 提取39条形码区域 |
| 4.5 基于HOUGH变换的39码图像倾斜校正 |
| 4.5.1 Hough变换原理简介 |
| 4.5.2 Hough变换检测Code39条码倾斜角度分析 |
| 4.5.3 39条码图像倾斜校正 |
| 4.5.4 39条码旋转矫正总结 |
| 4.6 圆柱表面39条码的识别 |
| 4.7 快递单图像条码区域定位、校正结语 |
| 第5章 39条码识别软件实现 |
| 5.1 快递标签39码特点详解 |
| 5.1.1 39码编码规则 |
| 5.1.2 39码编码表及解码示例 |
| 5.2 系统开发环境 |
| 5.3 快递单39码识别算法流程 |
| 5.4 快递单39码识别算法分析 |
| 5.4.1 图像中39码识别关键 |
| 5.4.2 图像中识别39码算法详述及问题解决 |
| 5.5 系统实现与性能分析 |
| 5.5.1 系统实现结果 |
| 5.5.2 性能分析 |
| 5.6 本章总结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 发表论文 |
（10）复杂背景中条码图像识别关键算法的研究（论文提纲范文）
| 1 条码定位算法设计 |
| 1.1 粗定位 |
| 1.1.1 图像缩放 |
| 1.1.2 特征提取 |
| 1.1.3 形态学处理 |
| 1.2 精确定位 |
| 2 条码二值化算法设计 |
| 2.1 全局信息的提取 |
| (1) 全局阈值: |
| (2) 条空平均像素宽度: |
| 2.2 二值化算法的设计 |
| 3 实验结果与分析 |
| 4 结束语 |
四、有复杂背景的条码图像实时处理的研究（论文参考文献）
- [1]基于图像的工业在线条码识别算法研究[J]. 赵琪,高美欢. 软件导刊, 2018(08)
- [2]基于图像处理的工业在线检测技术研究[D]. 高美欢. 山东科技大学, 2018(03)
- [3]汉信码识别技术的研究[D]. 沙军琴. 西安理工大学, 2017(02)
- [4]复杂场景图像条码检测识别技术研究[D]. 朱彬. 华中科技大学, 2017(04)
- [5]Data Matrix二维码识别算法的研究与应用[D]. 温永强. 中国石油大学(华东), 2017(07)
- [6]适用于远距离全自动识别的条码技术的研究与应用[D]. 张艺梅. 中国海洋大学, 2015(08)
- [7]复杂背景下一维条形码定位算法研究[D]. 陈俊名. 浙江大学, 2015(02)
- [8]基于图像的一维条形码可识别性研究[J]. 张琪建,李为民. 制造业自动化, 2014(09)
- [9]快递邮件分拣条形码图像分析[D]. 闫锡鹏. 华东理工大学, 2014(09)
- [10]复杂背景中条码图像识别关键算法的研究[J]. 杨张. 湖南工程学院学报(自然科学版), 2012(03)