论文部分内容阅读
随着移动互联网的发展,快速响应码(Quick Response Code,QR Code)凭借其解码速度快、信息密度大、抗旋转等优势已经深入到人们生活的方方面面。然而,传统的QR码是由杂乱无章的黑白模块构成的,视觉体验较差。近年来,国内外许多学者针对美化QR码进行研究,涌现出一大批优秀的QR码美化算法。但是这些算法往往难以同时兼顾美化QR码的解码率以及良好的视觉效果。针对此问题,本文提出一种基于高斯模型的QR码美化算法,能够在保证美化效果的同时兼顾较高的解码率。此外,本文还提出基于图像梯度的多向纹理人脸素描画生成算法与基于前馈神经网络的图像风格迁移算法来解决QR码美化算法不适用于人脸图像的问题。本文主要工作如下:(1)针对现有的QR码美化算法无法兼顾高解码率以及良好的视觉效果这一问题,提出一种基于高斯模型的QR码美化算法。算法主要思想为:首先,分析QR码解码器的采样特性,提出一种基于高斯模型的分块二值化算法,用于对用户提供的背景图像进行二值化,作为后期修改原始QR码的目标图像;其次,根据里德-所罗门码(Reed-Solomon Code,RSCode)的编码原理构建出正向基矩阵与反向基矩阵,用于在不影响QR码纠错能力的情况下修改原始QR码的模块颜色,使得修改后的QR码与背景图像高度相似;然后,提出一种基于高斯模型的灰度QR码融合策略,将QR码与背景图像的灰度图进行融合,得到解码鲁棒的灰度QR码。最后,根据灰度QR码的像素值对背景图像进行彩色渲染得到彩色美化QR码。通过大量的实验证明,本文提出的QR码美化算法能兼顾较高的解码率与良好的视觉效果。(2)由于人脸图像属于真实感图像,在用作美化QR码背景时往往会出现视觉效果不理想的问题。针对这一问题,本文提出基于图像梯度的多向纹理人脸素描画生成算法与基于前馈神经网络的图像风格迁移算法两种图像预处理算法。基于图像梯度的多向纹理人脸素描画生成算法的主要思想是提取出背景图像的边缘、阴影与根据背景图生成的多向纹理图、模糊图进行融合,生成素描图像。在融合过程中,引入了 DeepLab模型对人脸图像进行分割,从而控制图像的融合范围,使得融合后的素描图更加真实。由于素描图只是灰度图像,需要对其进行彩色渲染来提高美化效果。为此本文改进了现有的图像风格化网络模型,通过改进的模型可以将人脸图像向任意风格进行迁移,且保持人脸较高的真实度。以上两种算法作为QR码美化算法中人脸图像的预处理步骤,生成的美化QR码具有良好的视觉效果,同时具有较高的解码率。