随着当今社会的快速发展和科技水平的迅速提高,危险化学品(简称危化品)在我们的日常生活中开始占据重要的位置,对于危化品的高精度识别已成为专家学者们研究的热点问题。然而,处于复杂不确定环境中的危化品常常不能得到快速和准确的识别,这就给危化品的使用和管理带来了很大的问题。当前正处于计算机技术快速发展的时代,自动识别技术正在受到学者们越来越多的关注和研究,快速而又准确的自动识别技术正在各行各业发挥着重要作用,这当中不得不提的就是二维码。QR二维码(QR Code)就属于二维码的一种。因为其较低的制作成本,较大的信息存储量,很强的纠错能力和容易分享等优点,QR二维码正在被广泛应用于社交软件,定位导航,货物信息追踪,仓库管理和物体识别等诸多领域,并发挥着越来越重要的作用。本文将建立基于QR二维码的危化品识别算法,主要开展以下研究工作:1、借鉴了之前提出的大气散射模型和卷积神经网络,建立了一种基于对比度受限的自适应直方图均衡化(Contrast-Limited Adaptive Histogram Equalization,简称CLAHE)的图像强化算法,基于改进的门控上下文聚合网络(Gated Context Aggregation Network,简称 GCANet)的图像去雾算法与改进的自适应图像阈值二值化算法相结合的QR二维码识别算法,能够在复杂的有雾环境中进行QR二维码识别。为了评估所提出的算法,收集了烟雾条件下的QR二维码图像并建立了图像数据集,并比较了应用不同算法的QR二维码识别准确度。结果证明该算法能够有效提高处于较高烟雾密度的环境中的QR二维码识别准确率,对复杂烟雾环境具有一定的鲁棒性。2、利用之前提出的生成对抗网络(Generative Adversarial Nets,简称GAN),建立了一种基于改进的GAN网络的图像去模糊算法与改进的局部自适应阈值图像二值化算法相结合的QR二维码识别算法,能够在复杂不确定的运动模糊环境中实现QR二维码识别,且对运动模糊程度较大的环境具有一定的鲁棒性。为了评估所提出的算法,选取了由公开的QR二维码图像数据集和自己收集的数据集所提供的受运动模糊影响的QR二维码图像作为测试集。实验证明所提出算法可以达到较高的识别准确率,可以提高复杂不确定环境下QR二维码图像识别的鲁棒性,并能够在图像受到运动模糊影响较大的情况下仍旧保持较高的识别准确率。3、针对QR二维码图像可能存在的边缘检测和几何校正问题,首先应用数学形态学的膨胀方法获取目标区域的边缘,并通过Canny算子提取目标区域的边界,然后通过Hough变换得到边界所在直线,最后应用双线性插值运算校正了 QR二维码图像。