随着智能设备与互联网的发展和普及,快速识别(Quick Response,简称为QR)码已成为世界上最广泛使用的多媒体信息载体之一。QR码因其制作简单、成本低、使用灵活等优点,常作为出版产品正版验证的重要渠道和线上线下的主要接口。然而,传统QR码由静态的黑白方形编码模块组成,其存在样式单调、缺乏吸引力、无视觉意义、视觉质量差、数据载荷有限等缺点,难以满足不同场景的应用需求。因此,QR码的视觉优化问题引起了学术界和工程界的广泛关注。近年来,国内外诸多研究人员提出了各种方法以优化传统QR码的视觉质量。然而,此类世界先进方法仅聚焦于图像式QR码的生成和视觉优化,在以下方面仍存在问题:在视觉质量方面,相关方法生成QR码样式单一、无额外美学优化、缺乏动感;在鲁棒性方面,多数美化方法会破坏QR码鲁棒性,导致其无法被扫描解码;在数据载荷方面,图像式QR码难以扩展,数据容量受约束;在安全性方面,QR码为可视编码,易被复印和伪造。基于上述研究背景,本学位论文主要研究QR码的视觉优化、动态化和防伪识别,其主要贡献包括:1)提出一种多样化、艺术化、高鲁棒性的风格化美学QR码,称作SEE(Stylized a Esth Etic)QR Code,以及一种自动化生成这种风格导向QR码的三阶段方法。本工作首先提出一种基于全局灰度特征来调度基线QR码中模块分布的策略,其降低了黑白编码模块与被融合图像之间的视觉反差。其次,本工作改进了一种经典风格迁移神经网络模型,使其适用于赋予美学QR码艺术元素。最终,本工作提出了一种基于模块的鲁棒性优化机制,通过平衡视觉质量和鲁棒性两个竞争项来确保生成结果机器可读。一系列实验结果表明,SEE QR Code在视觉质量和鲁棒性方面均具有较高性能,同时可为用户提供更多个性化选择。2)首次提出一种视频式美学QR码,称作V-AQRC(Videolized-Aesthetic QR Code)。与传统的图像式QR码相比,V-AQRC更加动感、更具吸引力、不易伪造、数据载荷与容量更大。首先,本工作提出一种有效的算法使QR码的模块自适应于视频内容,其利用了单帧图像的内容特征和连续帧的上下文信息。其次,本工作提出一种基于结构相似性的关键帧优化算法来解决视频化带来的QR码模块闪烁和鲁棒性下降问题。最终,通过一种鲁棒性评估模型,编码模块与视频帧图像被自然的融合,并保持高鲁棒性。此外,本工作收集了一个用于研究V-AQRC的真实数据集,并将其发布用于学术研究。3)提出两种方法,可经手机摄像头对QR码的扫描和图像采集,准确的检测该QR码属于复印件(盗版)或是打印件(正版),可有效解决纸质出版物的QR码盗版问题。第一种方法基于图像匹配和差别提取,称作IMDE(Image Matching and Differential Extraction),其通过QR码功能图案的特征匹配、差别提取和网络训练,能够有效的判别打印件和复印件。第二种方法基于成对数据极大极小化判别网络,称作PDMD-Net(Paired Data Minimaxing Discriminative Network),这是一种网络模型,其更倾向于捕获图像的底层细节特征,可以有效实现对打印件和复印件的快速识别和检测。PDMD-Net提出一种最大最小化成对特征向量的损失计算方法,其能有效的训练网网络以识别原版和复印版的特征差别。实验表明IMDE和PDMD-Net可以在语义信息和像素分布几乎相同的情况下识别原打印版和复印版间的微特征,结果显著其他相关世界先进方法,甚至远高于人类视觉的识别准确率。