二维码是物联网产业的关键技术之一,具有重要的研究意义和应用前景。QR码具备超高速识别、高效表示的特点,应用越来越广泛,虽其识别技术已取得一定进展,但还存在一些问题影响或制约着它的发展与应用。一、光照不均匀,倾斜,畸变的图像给准确识别带来较大困难。二、含有噪声,模糊,低分辨率的图像致使后期识别速率、正确率偏低。三、污染,遮挡,破损的图像导致条码无法识别。近几年来,稀疏表示凭借鲁棒性好、泛化及抗干扰能力强等优势,已成为研究的热点,应用到分类识别上使得特征选择不再是必要条件。针对QR码识别存在的问题,结合稀疏表示良好判别性的特点,主要研究内容和创新如下：1、阐述了QR码,压缩感知,稀疏表示理论,主要介绍了几种常用的稀疏分解算法。预处理是QR码识别的重要环节,其效果在一定程度上影响着识别的准确率。设计并实现了符合实际应用的QR码图像预处理算法,分别对图像进行定位、校正、去噪、去模糊、修复及超分辨率重构等处理,为后续QR码分类提供有效的图像信息。2、提出一种基于稀疏表示和字典学习的QR码图像去噪算法。采用稀疏表示和字典学习的方法,对每个图像块进行稀疏分解,得到高效描述图像内容的字典,滤除噪声的同时保留了原图像的有用信息。3、提出一种基于稀疏表示的QR码识别方法。根据稀疏表示分类算法的具体步骤,利用训练集中的QR码图像来生成字典,测试图像就可描述成字典原子的线性组合。基于上述研究成果,以QR码图像为样本,构建了一个稀疏表示QR码识别系统,经测试该系统能准确、快速地识别QR码,且对污染、遮挡和破损的QR码图像有较强的鲁棒性,具有一定的应用价值。