二维条形码失焦通过增加约束最小二乘滤波器由模糊变清晰.doc

二维条形码失焦通过增加约束最小二乘滤波器由模糊变清晰 Ningzhong Liu ?, Xingming Zheng, Han Sun, Xiaoyang Tan 计算机科学与技术学院、南京航空航天大学,南京210016年,中国 文章信息 :;收到2014年4月3号; 网上2012年9月21号; 由G. Borgefors沟通 关键词 摘要 二维条形码时远离相机的焦点,模糊图像的点扩散函数的卷积。在噪声的存在,失焦去模糊是一个不适定问题。二维条码图像有非常特殊的形式,由模糊变清晰可行的。本文pro-poses快速去模糊算法称为增量约束最小二乘滤波器是专门为二维条码图像。在分析了条形码图像,高斯模糊的标准devia-tion内核。然后,条形码图像恢复是通过在迭代计算。在每个迭代中,条形码的双层约束图像有效地整合。实验结果表明,我们的算法可以获得更好的条形码图像质量与现有方法相比。我们的方法也可以提高阅读的景深,这是一个重要的性能参数为条形码的读者。 2012年爱思唯尔帐面价值保留所有权利 介绍 传统的一维条码的使用极大地限制了他们的小信息能力。出于这个原因,开发了二维条形码(Vangils,1987)。二维条码密度高,具有纠错能力,并且可以代表多种形式的语言,文字,和im-age数据加密(刘Doermann,2008)。目前,最常用的一种二维条形码是矩阵条形码(Vangils,雷纳托et al .,1987;2006),它包含一个矩阵的元素。每个元素代表1或0的值。代表矩阵条形码协议包括数据矩阵,二维码和马克西代码(雷纳托et al .,2006)。 本文的数据矩阵条形码,最广泛使用的二维条形码协议(雷纳托et al .,2006),是用于研究二维条形码由模糊变清晰的技术。这里介绍的方法和想法也可以应用于其他二维条形码协议,如PDF417二维条码和马克西代码。图1(一个)显示一个数据矩阵条形码符号。数据区域包含的符号由名义上广场模块在一个常规数组中,如图1所示(b)。sym-bol仪模式所包围,这是显示在图1(c)。两个相邻两侧,左侧和较低,形成了“L”形的边界。两边是由alter-nating黑暗与光明的模块。详细描述的数据矩阵中可以找到pro-tocol ISO国际标准(ISO 2006)。 很长一段时间,条形码解码的问题是密切相关的边缘检测(约瑟夫和Pavlidis,1994;尤瑟夫和萨勒姆,2007;杨et al .,2012)。然而,如果条形码的表面不是相机的焦平面,信号由convo-lution模糊的点扩散函数(约瑟夫和Pavlidis,1994;Se-lim,1994)。距离越长,越模糊观测信号。目前,基于边缘检测的识别方法不再足够了。虽然条形码阅读器已经成熟的产品,如何解模糊信号仍然是一个热点。由模糊变清晰可以改善景深,这是一个重要的性能参数为条形码的读者(都灵和Boie,1998)。除了条形码阅读器,在最近几年,移动电话已被用于识别条形码,然后与网络交互系统(加藤和褐色,2007;杨et al .,2012)。然而,cap-tured图像模糊因为缺乏自动对焦在大多数手机(Eisaku et al .,2004;Thielemann et al .,2004)。因此抓取的图像识别之前需要由模糊变清晰。在条形码的信号。金和李(2007)应用惩罚非线性广场目标函数模糊的条码信号。刘和太阳(2010)运用迭代傅里叶变换过程退化信号。 图1。数据矩阵代码结构:(一)数据矩阵条形码,(b)数据区域,(c)仪模式。 然而,这些方法在很大程度上是专为one-dimen-sional条形码。他们不能有 效的解模糊二维条码图像。此外,这些方法都是基于信号增强。他们是有效的标准偏差模糊卷积内核与最小的模块条形码的宽度(ISO,2006;刘Doermann,2008)。无论,当读者远离条形码,内核变得模糊的标准偏差大的光学char-acteristics成像系统(斯莱姆,2004)。因此这些方法将处于明显劣势。 各种算法解模糊条形码sig-nals已经开发出来。约瑟夫和Pavlidis(1993、1994)计算标准偏差的点扩散函数,然后补偿条形码边缘位置。都灵和Boie(1998)应用determinis-tic expectation-maximization(EM)算法解模糊条码信号。Shellhammer et al。(1999)获得条形码边缘使用选择性抽样和边缘增强过滤器。Okol nishnikova(2001)应用递归逐步优化公式识别条形码。Marom et al。(2001)和Kresic-Juric(2005)分析了边缘定位误差的统计特性的条形码被斑纹噪声信号。Kr