基于区域梯度统计分析与卷积神经网络的条码定位算法研究

上海交通大学硕士学位论文

目 录

第一章引言 (1)

1.1条码定位算法的研究意义 (1)

1.2条码识别技术的历史和现状 (3)

1.3本文的研究内容及结构安排 (3)

1.3.1 现有条码识读装置与研究难点分析 (3)

1.3.2 本文主要工作 (5)

1.3.3 研究内容及本文结构安排 (5)

1.4本章小结 (6)

第二章条码定位技术概述 (7)

2.1一维、二维条码特点比较 (7)

2.2常见条码样式介绍 (8)

2.3实验条码简介 (9)

2.3.1 线性条形码(Linear Code) (9)

2.3.2 PDF417码（PDF417 Code） (10)

2.3.3 线性堆叠码（Linear×Linear code） (10)

2.3.4 线性PDF堆叠码（Linear×PDF417 code） (10)

2.4条码定位算法概述 (11)

2.5条码定位算法研究现状 (12)

2.5.1 条码定位的时域分析法 (12)

2.5.2 条码定位的频域分析方法 (14)

2.6本章小结 (16)

第三章基于图像处理的定位算法 (17)

3.1基于图像算法思路 (17)

3.2基于图像算法主体流程 (18)

3.3图像预处理 (19)

3.3.1 灰度化 (19)

3.3.2 边缘梯度计算 (20)

3.4区域梯度统计分析 (21)

3.5条纹粗定位 (24)

3.5.1 区域块一次合并 (25)

5

万方数据

上海交通大学硕士学位论文

3.5.2 一次合并遍历规则 (26)

3.5.3 区域块二次合并 (28)

3.6条纹精确定位 (30)

3.6.1 线性码 (31)

3.6.2 PDF417码 (33)

3.6.3 线性堆叠码 (35)

3.6.4 线性PDF堆叠码 (36)

3.7本章小结 (37)

第四章卷积神经网络CNN (39)

4.1特征学习与CNN (39)

4.2神经网络 (41)

4.2.1 神经元模型 (42)

4.2.2 神经网络模型 (42)

4.2.3 反向传播算法 (44)

4.3深度学习网络 (45)

4.3.1 自编码网络 (46)

4.3.2 逐层贪婪训练 (47)

4.4卷积神经网络 (49)

4.4.1 卷积 (49)

4.4.2 池化 (51)

4.4.3 网络结构 (52)

4.5本章小结 (54)

第五章深度学习框架CAFFE (55)

5.1C AFFE简介 (55)

5.2C AFFE特点 (56)

5.3现有学习框架比较 (57)

5.4C AFFE框架的结构 (57)

5.4.1 Blob (58)

5.4.2 Layer (58)

5.4.3 Net (58)

5.5C AFFE应用 (59)

5.6本章小结 (60)

第六章实验结果与分析 (61)

6.1基于图像处理的定位算法 (61)

6

万方数据

上海交通大学硕士学位论文

6.2基于卷积神经网络的定位算法 (64)

6.2.1 实验网络结构 (64)

6.2.2 PDF417码 (65)

6.2.3 线性码 (66)

6.3本章小结 (68)

第七章总结与展望 (69)

7.1论文总结 (69)

7.2展望 (70)

参考文献 (71)

致谢 (74)

攻读硕士学位期间已发表或录用的论文 (75)

7

万方数据

上海交通大学硕士学位论文

8 图目录

图 1-1 条码在生活场景中的应用领域 ............................................................ 2 图 1-2 条码应用于工业生产的定位、测距领域示例 ..................................... 2 图 2-1 常见条码类型举例 ............................................................................... 8 图 2-2 本文研究所用的四种条码类型：（a ）为线性码、（b ）为PDF417码、（c ）为线性堆叠码、（d ）为线性PDF 堆叠码。 ................................... 9 图 2-3 （a ）为采用了微PDF417的CC-A 型复合条码；（b ）为采用新编码规则的PDF417码的CC-C 型复合条码。 ..............................................10 图 2-4 条码识读基本流程 .............................................................................. 11 图 2-5 文献[4]具有运动模糊的二维码定位流程图 .......................................13 图 2-6 文献[8]中骨骼化效果。 ......................................................................14 图 2-7 DCT 系数中每一个频率段i G 的最大系数构成特征向量 ....................16 图 3-1线性码、PDF417码、 线性堆叠码、线性PDF 堆叠码中都具有黑白相间条纹的共同特征 ................................................................................17 图 3-2 基于图像的条码定位算法流程 ...........................................................18 图 3-3 具有黑白条纹特征区域块的直方图示例 ............................................23 图 3-4 区域块直方图尖峰性检测效果。(a)为预处理后灰度图像。(b)为采用(2-16)式的尖峰性检测效果图，图中亮度越大区域块表明该区域内黑白间隔天文出现概率越小，反之越暗出现概率越大。 ..............................24 图 3-5 条纹粗定位的算法流程 .......................................................................25 图 3-6 误检区域块所在边缘延伸方向往往和区域块主导角度方向垂直 .....27 图 3-7 一次合并遍历规则举例 .......................................................................27 图 3-8 二次合并算法举例 ..............................................................................29 图 3-9 条纹粗定位示例。(a)为区域梯度统计分析结果，粗定位操作的输入；(b)为一次合并结果；(c)二次合并结果。 ................................................30 图 3-10 沿着条纹方向的法向量方向搜索条纹顶点 ......................................30 图 3-11 错误的精确定位结果，需要使用平行校正操作 ..............................32 图 3-12 线性码精确定位流程图 .....................................................................33 图 3-13 PDF417码起始码与终止码结构 ........................................................34 图 3-14 PDF417码精确定位流程图 ................................................................34 图 3-15 线性堆叠码精确定位流程图 .............................................................35 图 3-16 线性堆叠码精确定位流程图 .............................................................37 图 4-1 神经元模型 ..........................................................................................42 万方数据

上海交通大学硕士学位论文

图4-2 三层人工神经网络结构 (43)

图4-3 自编码网络 (46)

图4-4 利用隐藏层的特征进行自学习的预测 (48)

图4-5 卷积中的稀疏连接与权值共享示意图。 (51)

图4-6 LeNet-5卷积神经网络的结构图 (52)

图4-7 最大值池化示意图 (53)

图5-1 Caffe构建的简单逻辑回归分类器 (59)

图6-1 数据集对同一条码的八种图像变换举例。从左到右、从上到下依次为:(a)模糊，(b)亮光，(c)暗光，(d)正常，(e)位移，(f)旋转，(g)水平倾斜，

(h)竖直倾斜 (61)

图6-2 数据集中的尺度变换。 (62)

图6-3 基于图像处理的定位算法结果举例 (63)

图6-4 实验网络结 …… 此处隐藏：3940字，全部文档内容请下载后查看。喜欢就下载吧 ……