论文部分内容阅读
近年来,随着移动照相设备的广泛普及,越来越多的人开始习惯于用手机等移动设备来扫描条形码以获得商品信息、进行商品支付等。这使得条形码的检测识别变得越发困难。因此准确地检测并定位出图像中的条形码对于整个检测识别工作显得十分重要。而条形码检测定位的一个最大挑战在于如何在复杂背景下快速、准确地检测定位出条形码的位置。因此,本论文主要研究了如何在复杂背景中,包括图像质量稍差的情况下准确地检测定位出条形码的位置,以便于后续的识别工作。本论文的主要研究内容如下:(1)针对倾斜条形码不易准确定位的问题,提出了基于区域检测算法进行方向矫正的方法,该方法首先对输入图像进行最大稳定极值区域(Maximally Stable Extremal Regions,MSER)检测,再经过过滤和主方向分析得到条形码的角度,最后根据条形码角度进行方向矫正。该方法相比于传统的霍夫变换等方法具有快速、准确等优点。(2)针对最大稳定极值区域检测算法对于质量较差的模糊图像难以检测到条形码角度的问题,提出了图像滤波增强的预处理方法,该方法首先对模糊图像使用Adaptive Manifolds(AM)滤波器进行图像增强,再进行方向矫正。该方法充分提高了最大稳定极值区域检测算法对条形码图像的鲁棒性,使得对于各种复杂背景下的图像都能够寻找到条形码的方向,准确地实现方向矫正。(3)针对复杂背景中准确定位条形码位置的问题,提出了使用卷积神经网络(Convolutional Neural Network,CNN)进行条形码检测定位的方法,该方法首先使用已标定好的条形码训练图片样本进行网络的训练,然后使用训练好的检测模型进行测试。该方法充分发挥了卷积神经网络在图像特征学习方面的优势,具有检测准确率高、鲁棒性好等优点。经过在条形码数据集Muenster和ArTe-Lab以及自行拍摄的条形码图片上进行的实验测试,结果表明,本文所提出的方法在检测准确率方面比前人的方法有较大的提升,而且具有很好的检测鲁棒性。