随着科技不断进步，物联网迅速发展，二维条码技术作为信息储存和传输的媒介日渐成熟，深入到生活中的每个角落，尤其是团购扫码、微信营销以及广告宣传等。二维条码的广泛应用使我们对条码技术的识别有了更深入的研究。

   由于拍摄环境和图像采集系统造成二维条码背景复杂，污染变形、反光虚化、扭曲失真和图像缺损等情况，使其在识别时难度增加，降低译码的准确率。针对该情况，本文以QR码为例，提出了基于BP神经网络的QR码图像识别技术，以提高图像的可检测性、降低解码的误码率。

   在QR码预处理部分，先将彩色的QR码图像灰度化处理，减少后期的运算量。在此基础上对复杂背景下的QR码做二值化处理，根据不同算子的处理效果，选取最优算子提取QR码的大致轮廓。由于QR码在拍摄时或多或少会存在噪声或由反光引起QR码的高光现象，采用中值滤波改善QR码图像的椒盐噪声；高斯滤波降低高斯噪声；同态滤波处理高光部分。预处理步骤可以使QR码图像变得较为清晰。

   在QR码特征提取部分，对不同算子做边缘检测，提取QR码图像的大致轮廓。由于本文采用一个QR码做不同类型分析，提出了QR码图像的纹理特性分析方法，通过分析QR码图像的特征，为后期QR码图像识别奠定基础。为了对比纹理特征对识别的效果，用QR码的SIFT特征点匹配的方法作为其对比实验，在QR码的识别部分验证其可行性；针对拍摄角度的不同容易使获取的QR码图像变形，采用仿射变换对QR码图像几何校正，使畸变的图像还原为标准图像。

   在QR码识别部分，设计基于BP神经网络的QR码识别模型，目的是为了高效的把污染变形或缺损的QR码图像正常识别出来，提高QR码的识别效果和速率。运用MATLAB中的神经网络工具箱建立BP神经网络完成仿真。选择若干测试样本进行测试，结果显示此QR码识别模型对测试样本有较好的识别效果，可行性较强。为了对比识别效果，建立QR码的SIFT特征库和纹理特征库中的数据分别作为BP神经网络的训练样本并进行仿真和测试，结果显示纹理特征识别效果优于SIFT特征识别效果。本文所做的工作，在货物管理系统等方面具有一定的参考价值。

[1]乔得吉.数控设备管理信息系统的应用开发与研究[D].西北工业大学,2007

[2]Pavlidis T,Swartz J.Information encoding with two-dimensional bar codes[J].IEEE-Computer Magazine,1992(6):18-28

[3]李培琳.基于图像处理的一维条形码解码终端的研究开发[D].天津大学，2009

[4]于英政. QR二维码相关技术的研究[D].北京交通大学，2014

[5]刘文俭.二维码技术研究及其应用[J].电子技术与软件工程，2014(9):49-50

[6]中国人民共和国国家技术监督局.GB/T 18284-2000 快速响应矩阵码[S].北京：中国标准出版社，2000-12-28

[7]宋培华，陆宗骐，高敦岳.基于图像投影直方图法的二维码在线检测与识别[J].华东理工大学学报，2001，27(5):577-578

[8]熊用.基于相关匹配的QR码识别方法[J].仪器仪表学报，2011，32(3):571-576

[9]高长志.基于改进二值化算法的QR码识别[D].齐鲁工业大学，2013

[10]李军.QR码的图像恢复和识别技术研究与实现[D].苏州大学，2010

[11]杨硕，尚振宏.一种新的二维条码图像二值化算法[J].昆明理工大学学报2008，33(1):43-46

[12]戴扬，于盛林.基于滤波—还原的二维条码识别投影算法[J].电子科技大学学报，2005，34(4):537-540

[13]Suran Kong.QR Code Image Correction based on Corner Detection and Convex Hull Algorithm[J].Journal of Multimedia,2013,8(6):662-668

[14]Pavlidis T.A new paper/computer interface: two-dimensional symbologies[J].IEEE-Comp-uter Magazine,2000:145-151

[15]Shellhammer S J,Goren D P,Pavlids T.Novel signal-processing techniques in barcode scanning[J].IEEE Transactions on Robotics and Automation,1999:57-65

[16]Otsu N.A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems Man and Cybernetics,1979:62-66

[17]于继明.高形变二维码识别算法设计与实现[J].金陵科技学院学报，2014，30(3):14-18

[18]胡孝鹏.基于图像处理的QR码识别[J].航空计算技术，2007，37(2):99-102

[19]邵晨光. 基于HOUGH变换的二维条码识别技术的研究[J].长春师范学院学报（自然科学版），2007，26(4):94-95

[20]Suran Kong. QR Code Image Correction based on Corner Detection and Convex Hull Algorithm[J]. Journal of Multimedia,2013,8(6):662-668

[21]Yunhua Gu.QR Code Recognition Based On Image Processing[J]. International Conference on Information Science and Technology,2011,26(3):737-736

[22]许晓辉.基于最小二乘法的二维条码图像倾斜校正方法[J].浙江工业大学学报，2008，36(3):250-253

[23]Laslo Tarjan,Ivana ?enk,Srdjan Tegeltija,Stevan Stankovski,Gordana Ostojic. A readability analysis for QR code application in a traceability system[J]. Computers and Electronics in Agriculture,2014,109(11):1-11

[24]刘丽.基于图像处理的二维QR Code条码译码系统研究[D].东北大学，2010

[25]刘志，姜帆，冯晓斐.字符二维条码编码方法研究[J].浙江工业大学学报，2013，41(4):444-451.

[26]田博华. 新型二维条码编译码系统研究与设计[D].辽宁科技大学，2014

[27]Ashford R.QR Codes and Academic Libraries[J].College and Research Libraries,2010(10):526-530

[28]徐义钊.复杂背景下二维码实时识别技术的研究与开发[D].江南大学，2013

[29]赵群礼.QR二维码的图像识别技术探讨[J].合肥师范学院学报，2013，21(3):24-26

[30]林佳华，杨永，任伟.QR二维码的攻击方法与防御措施[J].信息网络安全，2013(5):29-32

[31]付峥.智能手机二维码识别系统设计与实现[D].电子科技大学，2011

[32]吴佳鹏.基于小波和Otsu法的二维条码图像二值化[J].计算机工程，2010，36(10):190-192

[33]欧福超.基于图像处理的QR码图像预处理的研究[D].山东大学，2014

[34]Zhi Liu,Herong Zheng,Wenting Cai.Research on Two-Dimensional Bar Code Positioning Approach Based on Convex Hull Algorithm[C].International Conference on Digital Image Processing,2009(3):177-180

[35]Luiz F. F. Belussi. Fast Component-Based QR Code Detection in Arbitrarily Acquired Images[J].Journal of Mathematical Imaging and Vision,2013,45(3):227-292

[36]何振芬.字符二维条码图像识读[J].计算机系统应用，2013，22(2):173-177

[37]谭小沙.复杂条件下的QR码图像自动识别算法及其实现[D].湖南大学，2013

[38]马世文，王化祥.基于QR分解的对称共轭梯度法成像算法[J].传感技术学报，2011，24(8):1168-1171

[39]张心滨.基于数学形态学的QR码识别技术研究[D].南京林业大学，2012

[40]余维克. QR码识别系统的设计与实现[D].湖南大学，2013

[41]Usama S. Mohammed. Blind Separation of Post-nonlinear Mixing Signals based on B-spline Neural Network and QR Factorization[J].International Journal of Engineering Science and Technology,2010,2(7):2537-2538

[42]Wei Duan,Lu Xiang-yang. An Improved BP Neural Networks Applied To Classification[J]. Energy Procedia,2011,67(13):578-584

[43]Zhou Weihong,Xiong Shunqing. Optimization of BP Neural Network Classifier Using Genetic Algorithm[J]. Energy Procedia,2011,65(11)1067-1069