近年来，假冒伪造商品在市场上频繁出现，严重影响着我国经济的发展。因此，在现代商品的生产和销售中，商品真伪信息的自动识别技术变得越来越重要，大量防伪手段应用而生。信息防伪码技术是一种识别商品真伪的有效方案，其中激光防伪码的自动识别技术对维护市场的正常运营起了重要作用。然而由于激光防伪码打码位置的不固定，导致激光防伪码背景复杂多变，而传统的字符自动识别技术通常针对背景单纯的高质量字符，因此研究适用于复杂背景下激光防伪码的切分与识别算法具有重要意义。
本文针对复杂背景下的激光防伪码图像，提出了基于MeanShift算法的防伪码字符提取方法，并设计了三种字符的切分方法，分别能够实现正常字符切分、交叉粘连字符切分和重叠字符切分，最后通过提取单个防伪码字符的局部二值模式（Local Binary Pattern，LBP）特征进行识别。论文主要研究工作如下：
（1）研究了MeanShift算法原理，并对原始的MeanShift算法进行了改进，将其应用于防伪码字符提取中。实验表明，本文所提出的防伪码字符提取算法能有效地从复杂的背景干扰和噪声中提取出较纯净的防伪码字符。此外，还研究了Hough变换原理，并将其应用到防伪码图像倾斜校正中，获得了较好的倾斜校正效果。。
（2）研究了防伪码字符的排列特点，将防伪码字符分为常规字符，交叉和粘连字符，重叠字符三类。针对三类不同排列规则的字符，分别采用投影法、曲线切分法和滑动窗口识别法进行切分。实验结果表明，本文的防伪码字符切分算法能够获得较多的正确切分的单个字符，对切分结果进行识别能够获得较高的识别正确率。
（3）研究了模板匹配算法和LBP算子原理，并将LBP特征用于防伪码字符识别中，比较分析了基于LBP特征、基于灰度和基于网格特征的分类结果，证明本文采用的基于LBP特征的识别算法能有效抵御背景干扰和笔画残缺变形的影响。
实验结果表明，本文提出的字符切分和识别算法可以很好的抑制复杂背景干扰及字符笔画断裂和变形等影响，在防伪码识别中获得了97.69%的高识别率。该方法已在激光防伪码识别手持终端中得到实际应用，效果良好。
谷歌
火狐
