一、基于模板匹配的有复杂背景的条码图像区域分割（论文文献综述）
闫爱云[1]（2019）在《复杂场景下运动目标智能检测与实时跟踪算法研究》文中提出智能视频监控是利用计算机视觉和图像处理方法,在不需要人为干预的情况下,对摄像机拍摄的图像序列进行自动分析,实现动态场景中运动目标的检测和跟踪,判断目标的行为。这是随着数字视频技术的发展而产生的一个新的研究课题,其在国防安全、民用事业等多方面有着广泛的应用价值和极大的发展前景。以复杂场景下的运动目标检测和跟踪作为研究内容,对目标检测、阴影消除,目标跟踪及在移动平台实时实现问题等关键技术进行了研究,为了提高运动目标检测和跟踪的精度、实时性、各种挑战性环境中的自适应性等方面的性能,主要的研究内容如下:（1）研究了背景存在微小运动干扰,目标在场景中长时间停留又发生运动形成的鬼影,光照变化和多目标相互遮挡情况下的目标检测问题。针对背景中存在微小运动干扰问题,提出了一种背景差分法和三帧差分法结合的目标检测算法。通过高斯混合模型确定运动目标区域,并且同三帧差法结合,有效地提取运动目标,并克服了孤立噪声、孔洞的问题。针对运动目标和背景的状态改变,提出了一种结合背景差分法和图像时间分析的检测算法,图像中的所有像素,甚至是前景对象所覆盖的像素,都在背景模型中不断被更新,消除了鬼影。针对光线变化及多目标情况,提出了高斯混合模型和自适应高斯分量数混合模型融合的算法,通过自适应改变权值,并根据场景中像素颜色变化的情况自适应改变混合高斯分量数目,对于复杂场景具有更好的鲁棒性和较快的收敛速度。（2）研究了目标检测和跟踪系统中的阴影检测及抑制问题,提出了一种基于Phong物体光照模型的阴影检测和去除的改进算法。Phong光照模型认为环境光是常量。景物表面被假定为不透明,且具有均匀的反射率。利用亮度相对变化量属性特征来处理光照突变生成的阴影,亮度相对变化量在阴影区域比较稳定。运动目标区域像素点对应的协方差值变化较大,阴影区域像素点对应的协方差值变化较小。在一个（5x5）模板上用协方差值来衡量这种稳定性,改进了阴影判决算法。根据阴影区域亮度相对变化量随时间的变化保持相对稳定,设计一个滤波模板对灰度图像滤波,增大目标区域的不稳定性,改进了另一个阴影判别算法。利用这两个改进的阴影判决式进行阴影检测,并对实验结果进行了定性和定量的评估。（3）研究了复杂环境下目标快速变化或遮挡时的跟踪问题,提出了一种融合“权重直方图”和卡尔曼滤波器的均值漂移跟踪算法。复杂背景下,各种因素容易对目标的颜色特征造成干扰,均值漂移算法中目标直方图的生成直接影响着目标跟踪精度,为解决这一问题,对生成目标直方图的方法进行改进,提出了“权重直方图”方法创建目标直方图,实现了单目标和多目标跟踪。针对目标被遮挡、在受到与目标颜色相近的背景干扰时易丢失目标的跟踪问题,提出了一种均值漂移和改进卡尔曼滤波组合的跟踪算法。利用自适应算法改进传统均值漂移算法,扩大搜索窗口,使运动目标位于搜索窗口内,用卡尔曼滤波预测目标运动空间位置,作为下一帧搜索窗口的质心坐标。用滤波后的结果作为均值漂移算法的输出来确保跟踪的持续性,提高了跟踪算法的鲁棒性。（4）研究了目标跟踪实时性的问题,提出了一种基于FPGA的实时目标检测跟踪算法设计。分析了移动平台中的低成本实时计算机视觉问题,所应用的算法计算简单,占用资源少,适合在FPGA上实现。背景差法对于复杂环境下运动物体检测效果好而且计算量小,但是背景往往变化,提出一种基于背景差的改进算法,可以使背景图像自适应更新,减少背景变化对检测效果的影响。考虑到运算量、系统实时性,基于自适应质心窗口跟踪的改进算法对目标进行跟踪。使得实时的目标检测跟踪系统在可配置器件上得以实现。跟踪视频压缩编码之前,根据DCT变换和量化模块的设计要求,设计了乘累加除单元,通过VGA显示器实时显示运动检测与跟踪结果。对运动目标的跟踪具有较好的实时性和准确率。
高永标[2]（2018）在《服装推荐相关技术研究》文中研究表明伴随着电子商务平台的蓬勃发展,越来越多的人热衷于网络购物,其中,服装购买是在线购物中占比最大的部分,但是商城中服装种类繁多,数量巨大,所以面对海量的服装图像数据,如何快速准确地推荐出用户所需要商品是一个亟待解决的问题。针对这一问题,服装推荐应运而生,能够根据用户特定需求自动推荐出满足用户需求的服装,所以服装推荐可以给人们生活带来极大的便利性。目前针对用户特定需求的服装推荐主要面临的问题包括如下几个方面:1)用户需求不明确,用户的有些需求难以用定量的方式进行描述;2)高层用户需求和底层服装图像之间存在很大的语义差异;3)服装款式和种类众多,纹理、材质等属性信息比较复杂;4)服装搭配推荐是服装推荐一个重要分支,服装搭配推荐相关影响因素不明确,有待进一步研究。针对目前服装推荐技术中遇到的主要问题,本文提出了新的服装推荐方法,主要的研究内容如下:1.为了填补服装数据集缺少天气信息标注的空白,文本构建了一个包含13,229张服装图像的服装数据集Weather-to-Clothing（Wo C）,并且标注了12个天气类别和13个服装属性,是国内外第一个有完整天气信息标注的服装数据集。2.图像中服装部位的检测和分割是服装推荐技术中一个重要的预处理过程,本文首次在服装推荐中运用Faster R-CNN和全卷积神经网络结合的方式进行服装区域的检测和分割,消除了服装图像复杂背景对服装推荐的影响。3.天气是选择服装时一个最重要的因素,但是天气和服装图像之间存在很大的语义鸿沟,本文采用服装属性作为中间桥梁,把服装属性作为隐式特征,缩小天气和服装图像之间的语义差异,提出了基于天气信息的跨模态服装推荐算法。4.服装搭配是人们在日常生活中经常遇到的问题,本文提出了服装图像转换成风格空间学习和匹配空间学习算法,并使用特征融合的方法融合风格和匹配特征,提出了基于匹配空间和风格空间的服装搭配推荐框架。最后,通过和其它服装推荐方法进行对比实验,验证了本文提出方法的优越性。
高美欢[3]（2018）在《基于图像处理的工业在线检测技术研究》文中进行了进一步梳理“工业4.0”理念正逐渐深入人心,大多数制造企业开始了项目的实施阶段。从概念到实践:“工业4.0”涉及到智能工厂、智能生产和智能物流三个大方向,都需要产品标识与跟踪、工业机器人、系统软件和大数据等技术支持。在产品标识与跟踪方面,由于条形码具有成本低、高可靠及易用性等特点,在现代制造业生产控制管理中,条码识别技术已成为主要的产品标识与跟踪手段。在实际使用过程中,噪声、光照、以及运动产生的模糊等因素往往干扰相机获取的条码图像质量,从而影响了条码识别的准确性。虽然目前对EAN8、EAN13、code39、code128和QR码在内的码型的识别研究技术已很成熟并应用也很广泛,但对于工业条码的研究还很稀少。在当前电子工业迅速发展的大环境下,电子行业正向小型化,高集成度的方向发展。印刷电路板作为各种电子元器件的高度信息集合被广泛应用在电子工业中的各个领域。由于印刷电路板高密集、高集中的特点,给传统的人工目检带来了巨大挑战。如何精准、高效、低成本的实现工业生产线上条形码识别或pcb自动检测具有十分重要的研究意义。本文研究的内容主要包括两部分:其一是针对工业生产线上条形码识别算法的研究:介绍了常见的几种条形码,分析了工业中用于标识与跟踪的code128条形码的结构、编码原理和译码方法。针对工业生产检测中常见的噪声条形码和模糊条形码的处理算法进行了介绍。将基于噪声检测的加权中值滤波算法应用到噪声条形码的去噪处理中;利用方向微分和微分自相关算法来估计运动模糊的PSF的方向和尺度,并采用维纳滤波算法进行图像复原。根据条形码图像特点（条形码的条中间有细小的间隙,成不连续的颗粒状）选用灰度形态学的腐蚀算法将条形码条中的间隙腐蚀掉,使其变为连续的线状,以便于后期条码识别。最后利用zbar提供的一维条形码译码算法对条形码进行识别。实验表明该算法能有效的提高条形码识别算法的准确性。其二是针对生产线上pcb板缺陷检测技术的研究:为了降低生产中产生的各种噪声影响,首先对pcb板进行去噪处理;然后利用仿射变换实现图像校准;最后根据pcb元件特点,针对不同的元件,提出了不同的检测方法。对于具有规则几何形状的电容元件,采用基于圆弧基元的定位与匹配方法;针对不规则形状的元件,如插针、二极管等,采用改进的SSDA匹配法。最后进行了实验验证。
温永强[4]（2017）在《Data Matrix二维码识别算法的研究与应用》文中研究说明随着Data Matrix码在工业自动化领域的广泛应用,自动化生产对Data Matrix码的识别的精确度和识别效率提出了更高的要求,因此,对Data Matrix码定位、识别算法的研究越来越多地得到了研究学者和技术工程师的重视。本文主要对Data Matrix码识别的相关算法进行研究和改进,识别算法主要包括:图像预处理、DM区域初定位、精确定位、解码纠错四部分。针对Data Matrix二维码图像特征,并充分考虑多种复杂情况,本文对Data Matrix码识别过程中涉及的算法进行了研究,比较和分析了各个模块采用算法的优缺点,将不同算法的优点结合并加以改进,使其更好地应用到Data Matrix二维码识别过程中。首先,对DM码图像进行预处理,依次是灰度化、滤波、二值化,针对DM图像特征比较分析了双峰法、迭代法以及最大类间方差法（OTSU）三种二值化算法;然后,在DM码区域初步定位模块中,研究了基于区域显着性检测的定位算法和基于数学形态学的定位算法,基于区域显着性检测的定位算法是以HC对比度和RC显着性为特征进行DM码区域的初定位,而基于数学形态学的定位算法根据目标区域几何特征进行筛选,更为高效地实现了DM码区域的初定位;在后续的精确定位模块中,改进边缘跟踪算法,采用十字交叉式的搜寻方式快速精确地确定“L”特征线,并采用Hough变换算法对DM码区域边界进行直线检测,通过几何变换和透视变换算法进行旋转校正;最后,对精确定位得到的DM码区域进行分割采样,使用Reed Solomon纠错算法进行码字纠错后,译码得到DM码信息。本文在DM码识别软件系统中实现各个模块算法,并且构建了系统用户界面,显示识别系统的识别过程和解码结果,并进行识别效果的测试分析。实验结果表明,识别系统可以满足实际复杂情况下的DM码快速准确的识别要求,识别率达到95%以上,识别速度在200ms以下,具有很好的实际应用价值。
朱彬[5]（2017）在《复杂场景图像条码检测识别技术研究》文中指出条码图像识别是一种利用图像处理与模式识别方法检测与提取条码信息的新技术,具有简单、高效、安全可靠的特点,已广泛运用于物流管理、图书管理和电子支付等各个领域。现有条码图像识别系统主要依靠人工对准条码区域,条码识别的工作效率低,而且,对光照不均、磨损、倾斜与透视变形以及复杂背景干扰的鲁棒性和精确性较差。因此,快速、准确、可靠地定位与检测条码已成为条码识别领域的热点研究课题。本文利用一维条码图像具有相同方向纹理的特点,提出了一种基于平方梯度直方图的条码区域定位与倾斜校正方法,首先,利用平方梯度直方图的峰值估计方法,抑制不具有方向一致性的非条码区域,然后,利用其峰值对应的梯度方向,估计候选区域的倾斜角度,并进行几何倾斜失真校正,最后,利用相似边距离与矢量方向度量以及多行扫描投票表决方法,实现了EAN-13条码图像解码软件系统。实验表明,本文提出的方法提高了条码图像识别处理对倾斜以及复杂纹理背景干扰的适应性以及译码的准确率。针对二维QR码寻像图形环形边缘的旋转不变性,本文提出了一种基于环形边缘检测与跟踪的QR码区域检测方法,并开发了QR码图像检测与识别验证软件系统。本文通过跟踪环形边缘检测QR码寻像图形,相比于在整幅图像中扫描匹配寻像图形大大减少了计算开销。实验表明,与现有的寻像图形扫描与匹配方法相比,本文提出的方法不仅提高了计算速度,而且提高了倾斜和透视失真条件下寻像图形检测与识别的适应性和鲁棒性。
张艺梅[6]（2015）在《适用于远距离全自动识别的条码技术的研究与应用》文中研究说明目前,投影机的用途已不仅限于展示画面,而是正在发展着多样化的用途,在人机交互领域展现着更多的魅力,给人们的生活带来全新的感受与体验。条码技术是一种自动化信息采集技术,现阶段已广泛应用于各个领域,带来更多的便捷,发挥着越来越重要的作用。论文将二者结合,使条码技术应用在投影显示中,使用户方便了解物品信息,也使物体更具画面感。论文研究的是在特定应用场景下投影识别条码并显示条码内容的课题。特定的应用场景是,投影机在距离桌面约1.2米的正上方向桌面投影,摄像头和投影机在同一水平高度拍摄投影画面,投影机中的软件扫描投影图像,寻找条码并根据条码内容调用数据库用投影的方式显示到桌面上。因条码的尺寸大小受实际情况限制,在远距离拍摄的画面中,会导致图像缩小、变模糊、丢失细节,普通的条码严重失真,已不能满足现实的需求。因此,论文针对应用的需求创造性地设计了适合远距离识别的条码符号——全新的一维条码和基于全局信息统计分析的二维码。全新制定的编码规则使条码结构更加精简,减少了不必要的冗余成分,使之在拍摄的图像中更加清晰,便于识别。对于全新设计的条码解码,根据编码原理,提出具有鲁棒性的解码规则。在图像处理过程中,利用基于局部图像特性的可变阈值处理方法选取二值化的阈值,可有效解决光照不均对图像造成的影响；利用自适应中值滤波器平滑图像,使图像中的噪声得到明显的消除；利用透视变换和双线性插值法校正图像,能解决图像的畸变现象。在定位条码的过程中,一维条码利用SIFT算子进行特征提取,再利用匹配的方法将其定位,解决了条码不能旋转识别的弊端；二维条码利用其结构的优势,用位置探测图形实现定位。传统的识别系统需要不停地移动手持设备（如手机）将条码放入屏幕中所指定的位置,并且要不断调节手持设备与条码间的距离,以达到最后实现识别的最佳位置。而论文设计的条码识别系统,在识别过程中,不需要移动摄像头或条码,只要条码在摄像头所拍摄到的范围内,用基于图像处理的方法,可全自动定位并识别条码。实验中论文对比分析了全新条码和普通条码的实验结果,可看出全新构造的条码由于其精简的结构设计,远距离拍摄仍能准确识别,从而实现应用的需求,具备一定的实用性和推广价值。
闫锡鹏[7]（2014）在《快递邮件分拣条形码图像分析》文中提出电商市场的火爆对快递行业传统销售模式下的业务量波动进行了放大,单纯采用人力进行快递分拣的传统快递企业根本难以应付效率低、工作量繁重而且误差率较高等后果带来的影响。因此,设计体积小、成本低、分拣效率高的适合中小型快递企业的自动分拣系统具有十分重要的意义。快递邮件自动分拣系统条码识别部分的工作流程为：通过对流经传送带的快递邮件标签条码图像的拍摄得到原始图像信息,运用计算机图像处理技术对其包含条形码信息进行译码识别,通过识别信息的分类来对邮件进行自动分拣。该系统通常由两部分组成,分别为快递条码图像软件识别系统和PLC控制快递分拣系统。本课题主要就识别系统进行深入探讨。希望通过反复研究和测试,找到一种在软件识别系统中能够代替工人手工录入的新型自动录入方式。通过将拍摄得到的原始图像进行图像分析,最后通过开发的软件读取图像中包含的条形码和文字信息,为邮件的下一步分拣提供依据。该项技术将图像处理技术用于邮件分拣过程,在邮件分拣信息录入的过程中避开了人工录入数据,节省人力、节约成本。希望通过本课题的深入研究编写出识别快递邮件上必要信息的程序,并通过图像处理技术做到对目标图片的有效处理来保证数据传输的正确率。对利用MATLAB图像处理技术处理拍摄到快递标签图像以及条码区域的提取和信息识别做了可行性分析和具体的实验检验。致力于找到一套能满足本文中的编码译码功能的软件对其进行操作,将数据信息从图形图像中提取,为课题在下一步的进展打好坚实的基础。
郭明[8]（2014）在《残缺和破损条形码的图像识别技术研究》文中研究指明伴随着全球经济的发展，中国经济已深深地融入到了国际经济环境之中，大量的国外商品涌入中国市场，并且中国商品出口总量逐年增加。为了有效防止假冒伪劣产品流入市场，加强商品安全监管，具有商品标识的条形码技术被广泛使用。但商品在运输过程中，难免会发生条形码破损或者残缺的现象，有效检测和识别残缺条形码具有重要的意义。本文论述了EAN-13商品条形码和QR Code条形码的结构与编码规则。通过对传统的RS纠错算法和改进的RS纠错算法的比较分析，本文采用BM（Berlekamp-Massey）迭代算法来计算错误位置多项式；用钱（Chein）搜索算法计算错误位置多项式的根，锁定了错误位置；用Forney算法计算错误值。实验证明，该方法能够有效提高残缺和破损条形码的识别准确率。通过对实验数据的分析，总结了一维和二维条形码在不同破损和残缺情况下的识读情况，以及光照变化对识别准确率的影响。本文在设计条形码商品信息识别系统的过程中，完成了以下工作：使用Microsoft SQL Server2012实现了商品信息数据库的设计以及商品信息录入，使用JDBC（Java Database Connectivity） Driver实现了软件与SQL Server数据库的快速连接。使用图像处理的方法实现了对条形码图像的预处理、边缘检测、条形码区域的定位及解码工作。通过分析条形码编码以及解码规则，设计了基于图像处理的条形码商品信息识别系统，并使用SQL Server对商品信息库进行了设计，实现了对条码所代表的商品信息的自动查询。
董华冰[9]（2012）在《一维图像条形码识别方法研究》文中提出伴随着科学技术日益发展的今天，条形码已经成为了一种商品交易语言，市场上的商品都会通过不同类型的条形码对其进行标识。越来越发达完善的条形码技术，推动了电子商务的发展，提高了生产和经营效率。随着计算机网络的快速发展和智能手机等设备的应用，通过对条形码进行拍照并利用网络，可以方面的了解商品的信息、辨别商品的真伪，而且还可以很快了解相关商品的信息。因此，这就需要通过运用图像处理和识别的相关方法来实现对条形码的定位和识读。通过采用图像处理方法，我们可以改善图像质量，减少或者消除噪声、光照不均、图像模糊等对条形码识别带来的影响，然后对条形码区域的实现自动定位，并进行条形码的识读和译码。在本论文中，首先对商品条形码的编码规则进行了论述。然后通过运用数字图像处理算法实现了对商品条形码区域的定位。最后针对手机等设备拍摄的条形码图像因光线不足导致分辨率较低和大量的噪声、设备的抖动导致的图像模糊、拍摄角度的原因导致的视角倾斜等问题，我们提出了一种新的基于条形码投影曲线的识读方法和基于全局和局部的欧氏距离算法实现了对条形码的识读。本论文算法已在MATLAB环境下进行仿真实现。通过在条形码库上进行测试，结果反映了我们的算法很够很好的对低分辨率、不同距离、视角倾斜、光照不均和图像模糊的条形码图像进行识别，并且此方法具有简单，识别率高，实时性等优点。
杨家耀[10]（2012）在《基于图像处理的嵌入式一维条形码识别系统研究》文中指出在信息时代的今天，条形码作为一种简单、方便、廉价、高速的信息保存和传输技术，在世界各地得到了长足的发展与广泛应用。现今条形码已俨然成为商品进入国际市场的“通行证”。条形码技术的发展同时促进了识读设备制造业的发展。条形码识读器已经从红外、激光技术进入到图像识别时代，即使射频识别（RadioFrequencyIdentification，RFID）技术已经开始应用，并且拥有条形码所无可比拟的众多优势，但高成本、涉及隐私、稳定性差以及频段不一等缺陷使得人们看不到其完全替代条形码技术的前景。因而，无论是理论上还是实际应用一维条码识别系统研究都具有相当深远的意义。本文从条形码图像的采集和条形码的识别两方面入手。条形码图像的采集系统是根据图像采集技术的发展现状和USB传输的优势，给出了一种基于ARM9处理器和USB摄像头的图像采集系统总体设计方案。选用了免费、开源的嵌入式Linux作为操作系统，应用软件在此基础上实现图像的采集，压缩和存储功能。条形码的识别主要是从条形码的定位和解码方法上考虑，以此来减少对图像质量的要求，从而降低条形码图像采集的硬件设备成本。定位算法是根据一维条形码自身的一些特点提出了基于边缘梯度方向角的定位方法；解码算法针对UPC-A码采用动态模板匹配，该算法与已有解码算法最大区别是在解码过程中不需要对条形码图像进行二值化，而是在全灰度级上完成的，这大大降低了解码算法对图形质量的要求。文章中还介绍系统的最终实现并进行了调试，文中展示了一些实验结果图。最后总结了本论文的主要工作，提出了本文的不足，并对基于图像处理的嵌入式一维条形码识别系统的研究以及应用进行了展望。
二、基于模板匹配的有复杂背景的条码图像区域分割（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模板匹配的有复杂背景的条码图像区域分割（论文提纲范文）
（1）复杂场景下运动目标智能检测与实时跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 运动目标检测和跟踪研究现状 |
| 1.2.1 运动目标检测研究现状 |
| 1.2.2 运动目标阴影消除研究现状 |
| 1.2.3 运动目标跟踪研究现状 |
| 1.3 运动目标检测和跟踪面临的挑战 |
| 1.4 本文主要创新性工作 |
| 1.5 论文组织结构 |
| 第2章 基于背景模型的复杂场景运动目标检测算法研究 |
| 2.1 运动目标检测算法相关研究 |
| 2.2 基于背景差分与三帧差分的目标检测算法 |
| 2.2.1 三帧差分算法 |
| 2.2.2 背景差分算法 |
| 2.2.3 背景建模和运动目标检测 |
| 2.2.4 实验结果与分析 |
| 2.3 基于自适应高斯混合模型的多目标检测算法 |
| 2.3.1 背景建模和运动目标检测 |
| 2.3.2 更改混合模型的高斯分布数 |
| 2.3.3 自适应混合模型参数更新 |
| 2.3.4 实验结果与分析 |
| 2.4 小结 |
| 第3章 基于Phong光照模型的阴影检测和去除算法研究 |
| 3.1 Phong光照模型及检测阴影算法相关研究 |
| 3.1.1 Phong光照模型 |
| 3.1.2 基于Phong光照模型的目标阴影检测算法 |
| 3.2 阴影检测和去除准则的改进算法 |
| 3.2.1 基于Phong光照模型的阴影检测和去除准则的改进 |
| 3.2.2 改进阴影检测和去除准则的实现 |
| 3.2.3 阴影检测与去除后的图像处理 |
| 3.3 改进阴影判断准则性能测试与分析 |
| 3.3.1 改进阴影判断准则实验定性分析 |
| 3.3.2 改进阴影判断准则定量分析 |
| 3.4 小结 |
| 第4章 基于Camshift和Kalman的目标跟踪算法研究 |
| 4.1 运动目标跟踪算法的相关研究 |
| 4.2 基于改进Camshift算法的运动目标跟踪模型设计 |
| 4.2.1 改进Camshift算法设计 |
| 4.2.2 运动目标特征提取 |
| 4.2.3 Kalman预测搜索窗口算法设计 |
| 4.2.4 单目标跟踪算法设计 |
| 4.2.5 多目标跟踪算法设计 |
| 4.3 目标跟踪的测试与结果分析 |
| 4.3.1 “权重直方图”方法目标跟踪测试 |
| 4.3.2 图像增强对目标跟踪的影响分析 |
| 4.3.3 改进搜索窗口方法跟踪测试与分析 |
| 4.3.4 跟踪时间测试 |
| 4.4 小结 |
| 第5章 基于FPGA的实时目标检测跟踪算法设计 |
| 5.1 基于FPGA的运动目标实时检测和跟踪研究 |
| 5.2 目标检测和跟踪算法的FPGA建模 |
| 5.2.1 视频数据读取 |
| 5.2.2 灰度变换 |
| 5.2.3 中值滤波 |
| 5.2.4 运动目标检测 |
| 5.2.5 形态学处理 |
| 5.2.6 目标跟踪FPGA建模 |
| 5.2.7 色彩空间转换 |
| 5.2.8 DCT变换与量化 |
| 5.3 目标实时跟踪的FPGA测试与结果分析 |
| 5.3.1 测试系统模型的搭建 |
| 5.3.2 运动跟踪效果测试 |
| 5.3.3 运动跟踪效果分析 |
| 5.4 小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 今后工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的学术成果 |
| 附录A 部分程序流程图 |
| A.1 混合高斯模型背景建模流程图 |
| A.2 OTSU方法获取阈值 |
| A.3 多目标跟踪流程图 |
（2）服装推荐相关技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题的背景和现状 |
| 1.2 课题主要研究内容 |
| 1.3 论文的组织结构 |
| 第二章 服装推荐相关技术 |
| 2.1 服装图像定位和分割 |
| 2.2 服装图像特征描述子 |
| 2.3 服装属性和风格学习 |
| 2.4 服装推荐模型 |
| 2.5 本章小结 |
| 第三章 Faster R-CNN结合全卷积网络的服装定位和分割 |
| 3.1 基于Faster R-CNN的服装区域检测 |
| 3.2 基于全卷积神经网络的服装分割 |
| 3.3 Faster R-CNN结合全卷积神经网络的服装区域分割 |
| 3.4 本章小结 |
| 第四章 基于天气信息的跨模态服装推荐 |
| 4.1 天气类别和服装属性定义 |
| 4.2 服装属性学习 |
| 4.3 基于天气的跨模态服装推荐模型 |
| 4.4 本章小结 |
| 第五章 基于风格空间和匹配空间学习的服装搭配推荐 |
| 5.1 服装风格空间学习 |
| 5.2 服装匹配空间学习 |
| 5.3 基于风格空间和匹配空间学习的服装搭配推荐 |
| 5.4 本章小结 |
| 第六章 实验分析 |
| 6.1 服装数据集的构建 |
| 6.2 服装检测和分割实验分析 |
| 6.3 基于天气信息的跨模态服装推荐实验分析 |
| 6.3.1 服装属性识别 |
| 6.3.2 基于天气的服装推荐 |
| 6.3.3 基于服装属性搭配推荐可视分析 |
| 6.4 基于风格空间和匹配空间的服装搭配推荐 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（3）基于图像处理的工业在线检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及章节安排 |
| 2 条形码编解码原理及条形码识别图像处理技术研究 |
| 2.1 条形码编解码原理 |
| 2.2 条码图像处理算法研究 |
| 2.3 条形码识别算法实验 |
| 2.4 本章小结 |
| 3 PCB板缺陷检测算法研究 |
| 3.1 pcb板图像预处理 |
| 3.2 图像校准 |
| 3.3 pcb板图像的定位与匹配 |
| 3.4 本章小结 |
| 4 工业检测的系统设计 |
| 4.1 硬件系统设计 |
| 4.2 软件系统设计 |
| 4.3 pcb元件检测界面设计及检测结果 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者学习经历简历 |
| 攻读学位期间取得的学术成果和获奖情况 |
（4）Data Matrix二维码识别算法的研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 二维码技术及其研究意义 |
| 1.2 Data Matrix码识别的研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 Data Matrix图像预处理 |
| 2.1 图像灰度化 |
| 2.2 图像滤波 |
| 2.3 图像二值化 |
| 2.3.1 二值化算法选取 |
| 2.3.2 DM二维码的二值化结果及分析 |
| 2.4 本章小结 |
| 第3章 Data Matrix二维码初定位 |
| 3.1 基于区域显着性检测的初定位算法 |
| 3.1.1 基于对比度特征的显着性提取算法 |
| 3.1.2 基于RC显着性特征提取的二维码初定位 |
| 3.2 基于数学形态学的初定位算法 |
| 3.2.1 数学形态学 |
| 3.2.2 边缘检测 |
| 3.2.3 基于数学形态学的二维码初定位 |
| 3.3 本章小结 |
| 第4章 Data Matrix二维码精确定位 |
| 4.1 Hough变换 |
| 4.2 改进的精确定位算法 |
| 4.2.1 改进的边缘跟踪算法 |
| 4.2.2 L型直线段检测 |
| 4.3 变换校正 |
| 4.3.1 确定二维码区域顶点 |
| 4.3.2 基于DM码特征的变换纠正算法 |
| 4.3.3 双线性插值校正 |
| 4.4 本章小结 |
| 第5章 Data Matrix二维码解码 |
| 5.1 Data Matrix码字模块排布 |
| 5.2 Reed Solomon纠错原理 |
| 5.2.1 Reed Solomon纠错码 |
| 5.2.2 Data Matrix二维码的RS纠错算法 |
| 5.3 Data Matrix二维码解码算法 |
| 5.3.1 Data Matrix码分割采样 |
| 5.3.2 码字读取和错码纠正 |
| 5.3.3 Data Matrix译码 |
| 5.4 本章小结 |
| 第6章 Data Matrix码识别系统 |
| 6.1 开发环境和实现平台 |
| 6.2 系统组成和运行效果 |
| 6.2.1 识别系统的组成 |
| 6.2.2 识别系统运行效果 |
| 6.3 实验结果分析 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（5）复杂场景图像条码检测识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 条码检测识别国内外研究现状 |
| 1.3 课题主要研究内容 |
| 1.4 本文组织结构 |
| 2 条码概述及其检测识别系统设计 |
| 2.1 一维条码概述 |
| 2.2 二维条码概述 |
| 2.3 条码检测识别系统设计 |
| 2.4 本章小结 |
| 3 基于平方梯度直方图的一维条码定位与识别 |
| 3.1 引言 |
| 3.2 预处理 |
| 3.3 基于平方梯度特征的条码类筛选方法 |
| 3.4 条码区域定位 |
| 3.5 条码倾斜校正 |
| 3.6 基于相似边距离与矢量方向分析的EAN-13译码 |
| 3.7 实验结果分析 |
| 3.8 本章小结 |
| 4 基于环形边缘特征的二维QR码定位与识别 |
| 4.1 引言 |
| 4.2 闭合环形边缘跟踪 |
| 4.3 基于环形边缘特征的QR码定位方法 |
| 4.4 QR码倾斜校正 |
| 4.5 透视变形校正 |
| 4.6 QR码译码 |
| 4.7 实验结果分析 |
| 4.8 本章小结 |
| 5 工作总结和展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 ：攻读硕士学位期间发表的论文 |
（6）适用于远距离全自动识别的条码技术的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的组织结构 |
| 2 目前条码应用的局限性 |
| 2.1 一维条码的结构与局限性 |
| 2.1.1 一维条码的结构 |
| 2.1.2 一维条码远距离识别应用的局限性 |
| 2.2 现有的二维码种类及其局限性 |
| 2.2.1 现有的二维码种类 |
| 2.2.2 现有二维码的局限性 |
| 2.3 QR码的结构、编解码过程与局限性 |
| 2.3.1 QR码的结构 |
| 2.3.2 QR码的编码过程 |
| 2.3.3 QR码的解码过程 |
| 2.3.4 QR码远距离识别应用的局限性 |
| 2.4 条码的使用 |
| 2.5 本章小结 |
| 3 全新条码的编码与解码规则 |
| 3.1 全新一维条码算法研究及编解码设计 |
| 3.1.1 一维条码算法原理 |
| 3.1.2 一维条码编码规则设计 |
| 3.1.3 全新一维条码的解码方法 |
| 3.2 全新二维码算法研究及编解码设计 |
| 3.2.1 基于全局信息统计分析的二维码算法原理 |
| 3.2.2 二维码编码规则设计 |
| 3.2.3 具有鲁棒性的解码规则设计 |
| 3.3 本章小结 |
| 4 基于图像处理的条码识别系统 |
| 4.1 条码识别系统架构 |
| 4.2 条码的定位 |
| 4.2.1 全新一维条码的定位 |
| 4.2.2 基于全局信息统计分析的二维码定位 |
| 4.3 基于特征点对的条码校正 |
| 4.3.1 求取变换矩阵 |
| 4.3.2 条码校正 |
| 4.3.3 插值处理 |
| 4.4 图像预处理 |
| 4.4.1 图像灰度化 |
| 4.4.2 图像二值化 |
| 4.4.3 图像滤波 |
| 4.5 条码识别 |
| 4.6 本章小结 |
| 5 识别过程、对比与结论 |
| 5.1 识别过程 |
| 5.1.1 全新一维条码的识别过程 |
| 5.1.2 基于全局信息统计分析的二维条码的识别过程 |
| 5.2 结果对比 |
| 5.2.1 普通条码 |
| 5.2.2 普通二维码 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 攻读硕士学位期间发表的论文 |
（7）快递邮件分拣条形码图像分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 条码识别图像处理文献综述 |
| 1.2.1 条形码图像处理基础 |
| 1.2.2 计算机条形码图像识别 |
| 1.2.3 数字图像处理应用软件简介 |
| 1.3 本文的研究工作和结构安排 |
| 第2章 一维条码简介 |
| 2.1 一维条形码含义 |
| 2.2 条形码识别原理及条码结构简介 |
| 2.2.1 一维条形码扫描识别原理 |
| 2.2.2 一维条形码格式组成及扫描方式 |
| 2.3 一维条形码优点及编码特点 |
| 2.4 商品条形码的分类 |
| 第3章 39码快递标签图像预处理 |
| 3.1 彩色数字图像处理概述 |
| 3.1.1 彩色图像处理技术 |
| 3.1.2 彩色图像中彩色模型简介 |
| 3.2 快递标签图像采集 |
| 3.2.1 图像取样和量化简介 |
| 3.2.2 数字图像的数学表示 |
| 3.3 快递标签图像灰度化 |
| 3.4 基于MATLAB的快递标签条码图像边缘检测 |
| 3.4.1 基于matlab边缘检测原理 |
| 3.4.2 通过Matlab进行图像边缘检测的多种检测器检测结果比较 |
| 3.5 快递标签图像二值化处理 |
| 第4章 快递标签39码定位 |
| 4.1 39码区域整体定位步骤与原理简介 |
| 4.2 边缘线提取法39码局部定位流程与原理简介 |
| 4.3 快递标签39码特征分析 |
| 4.4 边缘线提取法39码定位算法描述 |
| 4.4.1 39码边缘线提取 |
| 4.4.2 39码区域求质心和分条处理 |
| 4.4.3 条内直线角度的计算 |
| 4.4.4 提取39条形码区域 |
| 4.5 基于HOUGH变换的39码图像倾斜校正 |
| 4.5.1 Hough变换原理简介 |
| 4.5.2 Hough变换检测Code39条码倾斜角度分析 |
| 4.5.3 39条码图像倾斜校正 |
| 4.5.4 39条码旋转矫正总结 |
| 4.6 圆柱表面39条码的识别 |
| 4.7 快递单图像条码区域定位、校正结语 |
| 第5章 39条码识别软件实现 |
| 5.1 快递标签39码特点详解 |
| 5.1.1 39码编码规则 |
| 5.1.2 39码编码表及解码示例 |
| 5.2 系统开发环境 |
| 5.3 快递单39码识别算法流程 |
| 5.4 快递单39码识别算法分析 |
| 5.4.1 图像中39码识别关键 |
| 5.4.2 图像中识别39码算法详述及问题解决 |
| 5.5 系统实现与性能分析 |
| 5.5.1 系统实现结果 |
| 5.5.2 性能分析 |
| 5.6 本章总结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 发表论文 |
（8）残缺和破损条形码的图像识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外的研究现状及分析 |
| 1.3 本文研究对象技术基础 |
| 1.3.1 EAN-13 商品条形码 |
| 1.3.2 QR Code 条形码 |
| 1.4 主要研究内容 |
| 第2章 纠错算法的研究 |
| 2.1 纠错算法 |
| 2.2 缺损条码纠错的研究 |
| 2.2.1 传统的 RS 纠错算法 |
| 2.2.2 改进的 RS 纠错算法 |
| 2.3 缺损条形码纠错的应用 |
| 2.4 本章小结 |
| 第3章 条形码信息识别系统 |
| 3.1 系统开发环境 |
| 3.2 条形码图像预处理 |
| 3.2.1 条形码图像采集 |
| 3.2.2 条形码图像去噪处理 |
| 3.2.3 条形码图像二值化处理 |
| 3.3 条形码的定位 |
| 3.3.1 边缘检测 |
| 3.3.2 基于 Hough 变换方法的直线检测 |
| 3.3.3 图像的精确定位 |
| 3.3.4 条形码图像的校正 |
| 3.4 条形码的解码 |
| 3.5 条形码商品信息数据库的设计 |
| 3.6 条形码信息识别系统界面的设计 |
| 3.7 本章小结 |
| 第4章 实验与仿真结果分析 |
| 4.1 光照对条形码识别结果的影响 |
| 4.2 残缺条形码图像识别仿真 |
| 4.2.1 残缺一维条形码图像识别仿真 |
| 4.2.2 残缺二维条形码图像识别仿真 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（9）一维图像条形码识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 条形码的技术概述 |
| 1.1.1 条形码的发展历史 |
| 1.1.2 我国条形码技术的应用现状 |
| 1.1.3 条形码技术的优点 |
| 1.1.4 条形码的分类 |
| 1.1.5 一维条形码和二维条形码的区别 |
| 1.2 本课题研究背景和研究内容 |
| 1.3 国内外研究现状 |
| 1.4 章节安排 |
| 1.5 本章小结 |
| 第二章 相关技术基础 |
| 2.1 条形码编码规则 |
| 2.1.1 本文主要研究对象 |
| 2.1.2 EAN-13 的商品条码结构 |
| 2.1.3 EAN-13 条形码字符集的二进制表示 |
| 2.1.4 EAN-13 条形码的前置码 |
| 2.1.5 EAN-13 条形码的校验 |
| 2.1.6 UPC-A 商品条形码结构 |
| 2.1.7 商品条形码的识读原理 |
| 2.2 图像处理相关技术 |
| 2.2.1 灰度变换 |
| 2.2.2 改进的 sobel 边缘提取算法 |
| 2.2.3 中值滤波 |
| 2.2.4 均值滤波 |
| 2.2.5 数学形态学 |
| 2.2.6 阈值选取算法-ostu |
| 2.2.7 归一化互相关算法 |
| 2.2.8 Radon 方差变换 |
| 2.3 本章小结 |
| 第三章 图像条形码的定位 |
| 3.1 条形码定位方法的研究现状 |
| 3.2 本文条形码定位方法 |
| 3.2.1 灰度变换 |
| 3.2.2 条形码图像的预处理 |
| 3.2.3 条形码区域定位 |
| 3.2.4 条形码区域判定 |
| 3.3 仿真实验 |
| 3.3.1 图像灰度变换 |
| 3.3.2 Sobel 边缘提取 |
| 3.3.3 滤波和腐蚀 |
| 3.3.4 条形码的初始定位 |
| 3.3.5 Radon 方差变换 |
| 3.3.6 条形码区域的投影曲线 |
| 3.3.7 条形码的精确定位 |
| 3.4 实验结果对比 |
| 3.5 本章小结 |
| 第四章 图像条形码的识读方法 |
| 4.1 主要研究对象 |
| 4.1.1 分辨率低、噪声污染严重的条形码图像 |
| 4.1.2 小尺度的一维条形码图像 |
| 4.1.3 弯曲、倾斜一维图像条形码图像 |
| 4.1.4 模糊的一维条形码图像 |
| 4.2 基于条形码投影曲线的识读方法研究 |
| 4.2.1 条形码投影 |
| 4.2.2 端点处极值点的定位 |
| 4.2.3 极值点的修正方法 |
| 4.2.4 条形码投影曲线的分析 |
| 4.2.5 条形码边缘像素区域定位 |
| 4.3 本章小结 |
| 第五章 一维图像条形码的解码方法 |
| 5.1 条形码解码的基本原理 |
| 5.1.1 EAN-13 条形码的编码分析 |
| 5.1.2 EAN-13 条形码的解码原理 |
| 5.1.3 条形码的解码方法 |
| 5.2 基于局部和全局的欧氏距离算法 |
| 5.3 条形码图像的校验算法 |
| 5.4 条形码图像的字符纠正算法 |
| 5.5 本章小结 |
| 第六章 条形码识读方法评测 |
| 6.1 概述 |
| 6.2 实验结果 |
| 6.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
（10）基于图像处理的嵌入式一维条形码识别系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 条形码技术 |
| 1.1.1 条形码技术的发展 |
| 1.1.2 条形码识读设备的发展 |
| 1.1.3 条形码技术的优点 |
| 1.2 国内外条形码研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 数字图像处理技术研究现状 |
| 1.4 本论文研究内容 |
| 1.5 章节安排 |
| 第2章 几个相关技术研究 |
| 2.1 边缘检测 |
| 2.1.1 相关定义 |
| 2.1.2 基于梯度的边缘检测 |
| 2.1.3 Lapl acian 边缘检测 |
| 2.1.4 基于形态学的边缘检测 |
| 2.2 UPC-A 码 |
| 2.2.1 UPC-A 码的符号表示 |
| 2.2.2 UPC-A 码的二进制表示 |
| 2.2.3 UPC-A 码的校验 |
| 2.3 嵌入式系统 |
| 2.3.1 Linux 系统 |
| 2.3.2 嵌入式操作系统 |
| 2.4 本章小结 |
| 第3章 条形码定位 |
| 3.1 已有条形码定位方法 |
| 3.2 本文条形码定位方法 |
| 3.2.1 基于边缘梯度方向的边缘提取 |
| 3.2.2 条形码定位算法 |
| 3.3 本章小结 |
| 第4章 条形码解码 |
| 4.1 已有条形码解码算法 |
| 4.2 本文条形码解码算法 |
| 4.2.1 算法概述 |
| 4.2.2 动态模板定义 |
| 4.2.3 条件似然 |
| 4.2.4 总体似然 |
| 4.2.5 空间连续性 |
| 4.3 本章小结 |
| 第5章 条形码识别系统设计与实现 |
| 5.1 嵌入式条形码图像采集系统 |
| 5.1.1 系统概述 |
| 5.1.2 条形码图像采集系统硬件搭建 |
| 5.1.3 条形码图像采集系统软件搭建 |
| 5.1.4 基于 V4L 的图像采集程序编写的关键步骤介绍 |
| 5.1.5 条形码图像采集系统调试与分析 |
| 5.2 条形码定位与解码 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的软件着作权 |
| 摘要 |
| ABSTRACT |
四、基于模板匹配的有复杂背景的条码图像区域分割（论文参考文献）
- [1]复杂场景下运动目标智能检测与实时跟踪算法研究[D]. 闫爱云. 东北大学, 2019(01)
- [2]服装推荐相关技术研究[D]. 高永标. 中国石油大学(华东), 2018(07)
- [3]基于图像处理的工业在线检测技术研究[D]. 高美欢. 山东科技大学, 2018(03)
- [4]Data Matrix二维码识别算法的研究与应用[D]. 温永强. 中国石油大学(华东), 2017(07)
- [5]复杂场景图像条码检测识别技术研究[D]. 朱彬. 华中科技大学, 2017(04)
- [6]适用于远距离全自动识别的条码技术的研究与应用[D]. 张艺梅. 中国海洋大学, 2015(08)
- [7]快递邮件分拣条形码图像分析[D]. 闫锡鹏. 华东理工大学, 2014(09)
- [8]残缺和破损条形码的图像识别技术研究[D]. 郭明. 哈尔滨理工大学, 2014(07)
- [9]一维图像条形码识别方法研究[D]. 董华冰. 华南理工大学, 2012(01)
- [10]基于图像处理的嵌入式一维条形码识别系统研究[D]. 杨家耀. 长沙理工大学, 2012(09)