基于分数阶去模糊方法的运动模糊二维码图像实时恢复与识别

于晓媛,谢伟

首次发布：03 四月 2019

 

https://doi.org/10.1049/iet-ipr.2018.5792

引用情况： 3

 

部分

.PDF

工具

 

共享

 

抽象

大多数图像去模糊方法需要较大的算法计算成本，因为多尺度盲反卷积用于估计核。此外，移动快速响应（QR）码图像被视为一种经典的模糊图像，在实际应用中需要实时处理。因此，本研究提出了一种基于分数阶去模糊方法的运动模糊二维码图像实时恢复新框架。作者在算法计算成本和去模糊图像质量之间进行权衡。首先，在传统二维码周围增加黑框，用于定位二维码，降低计算成本;其次，提出一种新的分数微分阶的图像去模糊方法，用于提高图像的去模糊质量。此外，还提出了一种平均灰度方法来重建标准二维码图像。与现有算法的对比表明，所提方法能够获得良好的去模糊质量和可接受的计算成本。最后，他们的框架在带有低成本工业相机的实际传送带系统的实用平台上进行了验证。实验结果表明，他们的框架在处理运动模糊二维码图像方面表现良好。

 

1 引言

图像恢复问题（如运动模糊）是不可避免的，并且会显着影响图像处理中的图像质量。图像去模糊是图像恢复中的普遍问题，它是由相机校准误差和相机移动等多种因素引起的。特别是拍摄图像时经常会出现图像模糊问题。由于相机抖动或物体与相机之间的相对运动，图像可能不可避免地产生运动模糊效果。

图像去模糊是一个经典的图像和信号处理问题[1-9]。图像模糊的形成过程通常建模如下：

(1)

其中、、、 和分别表示模糊图像、潜在图像、模糊核 [点扩散函数 （PSF）] 和噪声。表示卷积的符号。当已知时，问题是非盲去模糊问题。否则，问题就是盲去模糊问题。但是，PSF 在现实世界中通常是未知的。当PSF未知时，图像盲去模糊问题非常困难，因为许多不同的图像f和内核k可以产生相同的结果g。

为了实现更好的图像去模糊质量，现有方法涉及对PSF，潜在图像或两者的一些假设。早期的研究，如逆滤波法、维纳滤波法和理查森-露西（R-L）法[10]，假设PSF是已知的。已经提出了盲去模糊方法，如全变异法[3]，自适应神经网络[4]，稀疏先验[5]和重尾先验[11]，用于恢复潜在图像和PSF。通常，这些现有方法通过交替迭代来估计模糊核和潜在图像。因此，基于这些方法对模糊核和潜在图像进行缓慢估计。如果图像模糊类型已知，例如非聚焦模糊或线性运动模糊，则可以直接通过模糊图像的频谱估计PSF。随后，可以使用非盲反卷积估计潜在图像。该方法对PSF估计的计算比基于迭代的盲反卷积算法更有效。由于小的内核错误会导致潜在图像的严重伪影[7]，因此基于先前方法的去模糊结果总是显示为过度平滑或导致更长的处理时间。当图像的边缘被锐化时，图像的噪点也总是会增加。为了提高去模糊图像的质量，分数微分算子（FDO）[12]作为正则化项被添加到图像去模糊系统中，如第3.3节所述。

二维码，如Code49和快速响应（QR）码，是获取商品相应信息的重要而便捷的工具[6，13]。与标准的一维条码相比，二维码具有一些优点，包括快速可读性和更大的存储容量。不同的机构设计不同风格的二维码。因此，二维码不仅广泛用于消费者广告，还广泛用于物流行业[14]。例如，一个二维码，一个普遍的二维码，如图所示。1. 如图所示。如图1a所示，QR码包括三个位置检测模式和一个包含许多数据单元（模块）的数据区。

无花果。1

在图形查看器中打开幻灯片

标准二维码和新二维码图案示例

（a）二维码的结构，（b）二维码的位置检测图案和每个模块的比例为1：1：3：1：1，（c）本研究使用二维码图像进行测试，并在传统二维码周围添加黑框

然而，二维码的应用在自动化物流行业提出了一个严重的问题。例如，无花果。2a和b分别从一个物流应用的静态传送带和移动传送带中捕获。广泛的识别装置由于模糊，无法轻易识别模糊的二维码图像。同时，另一个重要问题是模糊的图像应该实时处理。在物流应用中，二维码的运动方向始终是固定的，可以认为是线性运动模糊问题。因此，我们可以直接根据模糊二维码图像的频谱估算PSF。

无花果。2

在图形查看器中打开幻灯片

静态传送带和移动传送带捕获的两幅图像的比较

（a） 从静态传送带捕获的二维码图像，（b） 从移动传送带捕获的二维码图像

在这项研究中，我们选择二维码作为实验对象。随后，我们提出了一种基于分数阶去模糊方法的运动模糊二维码实时恢复和识别的新方案。整个框架如图所示。3. 贡献可以总结如下：

• 在传统二维码周围增加了一个黑框，用于定位二维码并删除不必要的处理区域。

  
  无花果。3

  在图形查看器中打开幻灯片

  运动模糊二维码的实时恢复和识别框架

• 改进的两次傅里叶变换 （itFT） 用于估计 PSF，FDO 用作 QR 码图像去模糊的正则化项。
• 平均灰色方法（AGM）用于重建标准QR码。
• 所提出的框架是在低成本硬件上实现的。

本文的其余部分结构如下。相关研究见第2节。所提出的框架的一些重要算法在第3节中进行了详细介绍。如第4节所示，对实验结果进行定量和定性分析。最后，结论在第5节中介绍。

2 相关作品

2.1 图像去模糊

为了从模糊图像中估计潜在图像和模糊核，通过添加一些图像先验来避免模糊核的琐碎解，提出了各种去模糊方法。Krishnan等人[11]提出了重尾先验图像梯度分布，并利用该先验实现了良好的去模糊效果。此外，Shan等人[7]设计了一个两段连续函数来拟合自然图像的对数梯度分布，并用它来恢复模糊图像。在[8]中，Sun等人通过从示例补丁中构造一组边缘补丁来提出一个补丁，并用它来恢复中间图像。但是，当模糊图像中的步进边缘数量不足时，这些方法不会产生清晰的结果。此外，Wang等人[9]提出了从图像的类似补丁计算的奇异值的弹性网络正则化，并将其用于指导核估计。

在上述去模糊方法中，采用多尺度盲反卷积框架对核进行估计，可以产生高质量的去模糊图像。但是，多尺度方法是一种典型的迭代算法，需要更长的处理时间。这些方法都不能直接在本研究的框架内使用。因此，模糊图像的实时处理是现有去模糊方法的另一个重要考虑因素。

2.2 分数微分算子

近年来，分数理论发展迅速，在图像处理中得到了广泛的应用。分数微分理论是任意阶微分理论[15]，用于图像处理，例如图像增强[12]。与整数微分相比，应用于图像处理的小数微分可以更好地增强边缘并保留纹理细节。因此，将 FDO 设置为去模糊系统的正则化项，可以显著减少过度平滑和锐化的出现。

2.3 二维码

近年来，二维码引起了极大的关注。例如，消费者可以扫描二维码并使用手机支付商品。此外，Rekimoto等人[16]为增强现实环境提供了二维码。二维码在我们的生活中用于许多应用。

一些二维码的恢复方法可用，有些是使用不同的设备实现的。Xu等[17]提出了一种基于编码曝光成像方法的二维码图像去模糊方法。徐等人提出了基于颤振快门相机的方法，限制了二维代码在一般区域相机中的去模糊应用。随着手机的快速发展，研究人员专注于智能手机捕获的模糊图像。Yang等人[18]构建了一个基于自适应本地窗口的系统，用于定位和恢复智能手机捕获的低质量条形码图像。Chu等人[19]实现了智能手机捕捉到的二维码图像的恢复和识别。然而，上述方法并未直接用于恢复物流行业的运动模糊图像，因为计算成本不是实时的。因此，所提出的框架为实时解决运动模糊二维码的识别问题提供了一种可行的方案。

3 运动模糊二维码的实时恢复和识别

根据物流应用的特点，二维码的运动模糊问题可以被认为是线性运动模糊问题。在本节中，我们将描述所提出的框架的相关算法。

3.1 二维码的位置

根据新的二维码图案，可以通过差分操作定位二维码图像的目标区域。公式（2）表示微分操作

(2)

首先，在使用移位尺寸l（此处，l在本研究中设置为4）处理灰度图像后，可以获得差分图像。接下来，使用膨胀和侵蚀来处理将灰色图像与差异图像组合的新图像。随后，通过获得最后处理图像的最大外部矩形来提取目标区域。QR 码定位的结果显示在第 3.1.<> 节中。

3.2 提出的图像去模糊方法

3.2.1 PSF的估算

本文中，L表示QR码图像的运动模糊距离，为运动模糊角度。因此，PSF可以表示如下[20]：

(3)

L 与坐标为  像素的关系如下：

(4)

（3） 的傅里叶变换 （FT） 如下：

(5)

其中.根据（5）所示，PSF可以通过运动模糊距离L和运动模糊角度来确定。

如[21，22]所示，运动模糊图像的光谱表现出周期性的黑色条纹。我们在此提出基于模糊图像梯度的itFT。如果我们只使用两次FT的方法[23]，相对光谱的中间区域表现出十字准线，如图的蓝色框所示。4b. 我们发现十字准线干扰了运动角度的估计。否则，如果使用两次FT的改进方法，则可以消除十字准线，如图所示。4c.

无花果。4

在图形查看器中打开幻灯片

估计运动模糊角度和距离

（a）这是倾斜的测试图像，红色虚线框表示用于计算运动模糊距离的区域，（b）图像是通过[23]中提出的方法获得的，蓝色虚线框显示十字准线影响中间区域的倾斜线，（c）图像是通过我们的方法获得的，并且十字准线已被消除。在本研究中，二进制的阈值为 0.55

公式（6）用于压缩图像的FT光谱

(6)

其中表示图像的 FT 。itFT的程序如下所示。值得注意的是，如果模糊图像被FT处理三次或更多次，运动角度信息将丢失。首先，通过拉普拉斯运算获得二维码图像的梯度;接下来，利用FT和（6）得到梯度图像的光谱。随后，再次使用FT和（6）处理频谱。最后，根据阈值和最后一幅图像得到光谱的二进制（根据实际经验，阈值设置为0.55）。

当获得光谱的二值图像时，可以估计运动模糊角度。本文采用改进方法精确计算运动模糊角，降低计算成本。首先，我们从外到内搜索二进制光谱图像中的白点。其次，运动模糊角度由图像的白点和中间点的坐标计算;用于估计模糊角度的相对伪代码如图 1 所示（图 5.<>）.

无花果。5

在图形查看器中打开幻灯片

算法1：运动模糊角度的估计

估计运动模糊角度后，可以在图像的运动方向上计算运动模糊距离。结果表明，运动模糊图像中的像素以及运动方向表现出很强的自相关性[24]。因此，可以使用微分运算和自相关来估计运动模糊距离。如图所示。如图4a所示，图像的中间区域表示为并显示为红色虚线框，用于计算。运动模糊距离的估计如下所示：（i）假设中间区域包含r行（本文选择r为2行），并且通过（<>）计算每行的数据，使得可以获得r行的微分数据。（ii）在差分数据的末尾加上m个零（这里，m表示列号），并将新图像的列号扩展为。（iii）计算功率谱与每行的自相关性，然后对r行数据求平均值。（iv） 搜索序列号，其值为平均数据的前 m 个数据中的最小值，序列号（列号）为运动模糊距离。

3.2.2 潜在图像估计和振铃抑制

添加 FDO 作为图像去模糊方法的正则化项，从而在算法计算成本和去模糊图像质量之间进行权衡。如第4.2节所示，去模糊结果的质量优于其他去模糊方法，而去模糊方法的计算成本几乎是最低的。

根据公式（1），我们可以通过最小化公式（7 )

(7)

where  是一个小常数，用于在保真项和正则化项之间进行权衡。根据[12]，FDO可以构造如下：

其中  和 v 是分数阶的值（根据实践经验，在本研究中 v 设置为 0.8）。

（7）的最小化问题可以使用快速FT（FFT）来解决。FT 运算符及其逆运算符分别定义为 F 和 。（7） 的所有函数均在 中的平方项内应用于 FT 中。然后 （7） 更改如下：

(8)

其中表示逐元素乘法。

根据Plancherelĕs定理[25]，f可以通过优化能量等价来解决。因此，可以通过 计算最优值。

与凸函数一样，通过设置等价很容易计算出最优值。的解由下式计算

(9)

其中表示共轭算子。值得注意的是，该参数是一个小常数。根据实践经验，在我们的实验中设置为0.001。因此，通过所提出的去模糊化方法可以获得去模糊的二维码图像。

实际上，模糊像素是与视野内的图像和视场外的部分一起生成的。当通过FFT处理图像时，无法计算视野外的零件信息，并导致图像边界周围出现振铃伪影。为了提供数据的周期性，我们将图像的另一侧复制为视野之外的部分信息。但是，由于从另一侧捕获的数据与原始数据不同，因此会出现边界伪影。因此，选择环边界算法[26]作为本研究的振铃抑制算法。边界像素值变化不快，循环边界算法降低了图像边界截断的影响。

3.3 二维码图像的整流与二元重建

如图所示。6a、二维码图像已被去模糊。为了获得标准二维码，本研究需要对二维码图像进行校正和二元重建。

无花果。6

在图形查看器中打开幻灯片

去模糊图像和校正图像

（a）该图像是所提出的图像去模糊方法的去模糊结果，（b）这是校正后的图像，三个红点表示三个定位器的中心位置

去模糊图像的像素坐标定义为，校正后图像的像素坐标表示为 。因此，校正图像和去模糊图像之间的变换公式显示为（10）。

(10)

其中表示转换矩阵。根据校正图像和去模糊图像，使用不在同一条线上的三个点来保证矩阵M由（11）。根据二维码的特性，选择二维码定位器的三个中心位置作为非共线点。整流结果如图所示。6

(11)

二维码图像整改后，由年度股东大会重建标准二维码。首先，根据二维码的三个定位器将二维码与校正后的图像分离，如图所示。7a. 随后，分离的二维码图像在图中被分成方块。2c（其中 n 由二维码的类型决定）。区块结果如图所示。7b.最后，通过将块的平均灰值与阈值进行比较，将每个方块确定为黑色块或白色块。基于Otsu方法重建QR码图像（本研究中阈值设置为0.55）。QR图像的重建结果如图所示。7c. 它表明年度股东大会的本质是数据压缩。输入图像（大小为 ）被压缩为大小为  的新图像。

无花果。7

在图形查看器中打开幻灯片

基于AGM的二维码图像二元重建

（a） 这是与校正图像分离的图像，不清楚且难以识别，（b） 方块的结果，（c） 重建的二维码图像，其阈值设置为 0.55，（d） （a） 图像的一部分被放大，（e） AGM 重建的结果，（f ） 二维码的正确重建。比较 （e） 和 （f），有一个重建模块是错误的

然而，重建的二维码图像存在一些缺点。图示了一个示例。7. 图的一部分图7b如图7所示。图7d及其基于AGM的重建结果如图所示。7e. 比较重建结果（图7e）与真相基础（图。<>f），一个缺点出现在中间区域。我们观察到每个方块都受到周围方块的影响。因此，重建的结果可能存在一些缺点。不同块的权重系数应设置不同的值。公式如下所示：

(12)

其中表示点的权重，表示点的灰度值，  是方块的大小。从实验结果可以看出，每个方块的中心层在重建中比周围其他层起着更重要的作用。为了突出中心层的作用，将中心层的权重设置为最大权重，将周围大部分层的权重设置为最小权重。因此，我们提出了两种权重设计方法，包括基于线性权重的AGM（AGM-LW）和基于指数权重的AGM（AGM-IW）。

• （i） AGM-LW：在本研究中，将边缘区域的权重设置为初始权重，权重值从边缘区域线性增加到中心区域。我们将边缘区域定义为第一层，将下一个内部像素设置为第二层，依此类推。公式如下：

  (13)
  其中是初始权重（此处将设置为1），L表示层，t表示设计参数。参数 t 在 QR 码图像的重建中起着重要作用，不同的 t 会导致不同的重建结果。重建的结果显示在第 4.2.3 节的不同 t 下。

   

• （ii） 年度股东大会-IW：为强调中部地区的重要性，削弱周边地区的影响力，建议以指数权重为基础举行年度股东大会。AGM-IW的公式是。参数类似于 （13） 的参数。在第 4.2.3 节中，重建 QR 码的结果以不同的 t 显示。

4 实验结果与分析

4.1 实验环境

实验部分分为两个部分，包括可行性模拟实验和实验应用平台。

在可行性仿真实验中，我们首先通过将一些去模糊算法与所提出的去模糊方法进行比较来验证性能。使用维纳滤波器、R-L 算法 [10]、线性规划 （LP） 算法 [27] 和 Krishnan 等人的方法 [11] 作为与所提出的去模糊方法的比较方法，其中模糊 PSF 由所提出的方法估计。接下来，我们通过所提出的方法比较不同二维码模式的处理成本。随后，展示了通过不同权重函数重构二维码的结果。用于比较实验的软件环境是在Matlab 2012b中创建的，并使用8 GB RAM，3.20 GHz，Intel Core i5-4460的计算机作为实验设备。

在第二个实际实验中，使用带有实验二维码的传动带作为实际的模拟运动平台。它模拟实际生产的操作平台，皮带的可调速度范围从0到30厘米/秒。此外，实验使用了 100 张二维码图像。测试的二维码图像由备用二维码生成器生成，每个二维码的信息包括三个数字和 20 个随机字母。二维码位于传动带的不同位置，其速度由传动带控制。工业相机用于捕获QR码图像。该相机仅售100美元，比专用线阵扫描相机便宜得多。本研究中相机的一些参数如下：（a）相机的分辨率设置为1920×1440;（b） 相机的曝光时间控制为30毫秒;（c） 摄像机的水平视场角设置为 。同时，对实验平台的软件环境进行如下考虑。选择Win7和Qt软件作为软件环境，C++被选为编程语言。软件OpenCV的一些图像处理功能用于实现图像处理，谷歌Zxing [28]用于识别QR码图像。我们使用 8 GB RAM、3.20 GHz、英特尔酷睿 i5-4460 的计算机。

4.2 可行性模拟实验结果

4.2.1 去模糊方法的性能分析

在本节中，我们将R-L算法[5]，LP算法[31]，维纳滤波器和Krishnan等人[11]的方法与所提出的去模糊方法的性能进行了比较。在本节中，仅考虑图像去模糊方法，而不考虑定位方法。性能的比较包含两部分：图像去模糊效果和不同图像中的算法成本。

无花果。图8表明，所提出的去模糊方法在不同模糊PSF中表现优于其他方法，其中模糊图像的大小为307×297像素。峰值信噪比 （PSNR） 用于评估去模糊 QR 码图像的质量

(14)

其中 M 和 N 表示图像的大小。无花果。如图8a所示，所提方法可以产生比其他方法更好的图像质量，其中运动角度固定在，运动距离从5像素变为50像素。随着运动距离的增加，去模糊结果的PSNR减小。然而，所提出的方法在每个PSF中总是产生更好的图像质量。此外，图。图8b显示了不同方法对图像进行去模糊结果的PSNR，其中运动距离固定为20像素，运动角度从  变为。这清楚地表明，所提方法比其他方法具有更好的去模糊性能，因为所提方法可以保留纹理并提高图像质量。另一方面，如图所示。如图8所示，在运动距离40处，所提方法的整个曲线的最低点如图8。图25a和运动角度8<>b，因为图像的数据不是周期性的，并且内核的FFT在这些点上有许多条带。但是，根据这些结果，我们的方法可以获得比其他方法更好的二维码质量。

无花果。8

在图形查看器中打开幻灯片

通过不同算法比较结果的PSNR

（a） 比较具有不同运动距离的五种方法， （b） 比较具有不同运动角度的五种方法

无花果。图9显示了不同方法在各种模糊PSF和各种图像尺寸下的算法成本比较。无花果。9a和b显示了不同模糊PSF下的算法成本，其中图像大小为265×265像素。结果表明，R–L算法在不同运动角度或不同运动距离下需要的算法成本最大，而维纳滤波的算法成本最低。随后，所提出的方法和维纳滤波器需要几乎相同的算法成本。就不同尺寸的二维码图像而言，与其他方法相比，所提方法的算法成本最低，如图所示。9c. 所有方法对小图像都有相似的算法成本。当模糊图像大小为1231 ×917像素时，所提方法的算法成本仅为R-L算法的八分之一。实验表明，所提方法能够产生高质量的去模糊二维码图像，算法成本低。因此，所提出的方法在实时恢复二维码图像方面具有最佳性能。

无花果。9

在图形查看器中打开幻灯片

比较不同方法的执行时间

（a） 比较具有不同运动距离的五种方法，（b） 比较具有不同运动角度的五种方法，（c） 比较具有不同图像尺寸的五种方法

4.2.2 不同二维码图案的性能分析

基于上述介绍，带有黑框的QR码对于定位算法有效，并减少了去模糊方法的计算时间。为了证明这种效率，我们比较了提出的二维码图案和传统二维码的处理时间。这里，处理时间包括定位算法的成本和去模糊方法的成本。无花果。图10表明，所提图案的处理时间低于传统二维码。当处理大小为1231×917像素的QR图像时，使用所提出的QR码图案的处理时间仅为使用传统QR码图案的七分之一。

无花果。10

在图形查看器中打开幻灯片

不同二维码模式的处理时间比较

4.2.3 不同权重函数重构二维码的结果

如第3.3节所述，使用不同的权重函数来提高重建的二维码图像的准确率。为了证明重建结果的准确率，我们将重建结果与地面事实进行了统计比较。根据二维码的特点，统计方法介绍如下。首先，我们计算基本事实的模块数量。接下来，我们计算重建错误的模块数量。随后，可以使用以下公式计算重建结果的准确率：

(15)

其中表示 QR 码基本真实值中所有黑色块的数量。表示错误重建的块数。

由（15）所示，表1显示了不同t下基于AGM-LW的重建准确率。表 2 显示了使用 AGM-IW 重建的精度。实验结果表明，随着参数t的增加，重建的准确率有所提高，当参数t设置为大值时，准确率可以达到100%。因此，将参数t设置为2，并选择AGM-IW来重建去模糊的QR码图像。

表 1. 基于AGM-LW的重建准确率

t	0.1	0.2	0.3	0.4	0.5	0.6	1	2	3
	99.36%	99.52%	99.52%	99.68%	99.84%	99.84%	100%	100%	100%

 

表 2. 基于AGM-IW的重建准确率

t	1.1	1.2	1.3	1.4	1.5	1.6	2	3	4
	99.36%	99.52%	99.68%	100%	100%	100%	100%	100%	100%

 

4.3 实验平台实验结果

根据我们仿真的实验结果，我们的框架在不同的图像尺寸和不同的模糊PSF下是有效的。在本节中，所提出的框架由传动带实现。下面显示一些实验结果。

4.3.1 定位方法的影响

如第 3.1 节所述，差分操作用于定位捕获的二维码图像。如图所示。如图11所示，实验结果表明，所提框架可以精确定位二维码。不仅可以在图像中找到一个而是多个QR码。定位方法需要 0.0019 毫秒来处理该系统中的一个二维码图像。因此，该定位方法可有效定位二维码，降低算法成本。

无花果。11

在图形查看器中打开幻灯片

从单个二维码到多个二维码的位置实现

4.3.2 识别率与二维码运动速度的关系

如第3.2节所述，运动模糊距离在图像恢复中很重要，这与运动速度有关。如图所示。12、重建的二维码包含完整的信息。它表明我们的框架对于以不同速度处理二维码图像是有效的。

无花果。12

在图形查看器中打开幻灯片

不同速度的二维码图像的一些实验结果（红框表示二维码的位置）。第二列和第四列的图片分别是第一列和第三列的重建结果

（a） 速度为12厘米/秒的模糊二维码图像的重建结果，

（b） 速度为18厘米/秒的模糊二维码图像的重建结果，

（c） 速度为21厘米/秒的模糊二维码图像的重建结果，

（d） 速度为24厘米/秒的模糊二维码图像的重建结果，

（e） 速度为30厘米/秒的模糊二维码图像的重建结果

此外，我们描述了二维码的识别率与其运动速度之间的关系，其中实验二维码表现出 M 级容错率。如图所示。13、由于相机视野有限、模糊，二维码的识别率与运动速度几乎呈负相关。二维码的速度越快，识别率越低。当二维码的速度为 <90 cm/s 时，二维码的识别率为 >25%。

无花果。13

在图形查看器中打开幻灯片

识别率与二维码运动速度的关系

本研究提出的框架的计算成本包括五个部分：（i）二维码图像定位方法的模块;（二）运动角度和距离估计模块;（三）去模糊方法的模块;（四）二元重建模块;（五） 承认模块。此外，还使用了100张二维码图像来验证所提出的框架。所提框架的总体计算成本约为150毫秒;因此，所提出的框架可用于实时识别二维码。

5 结论和今后的工作

本研究设计了一种新的二维码图案，为解决实际应用中运动模糊二维码的恢复和识别问题提供了可行的方案。与一般运动去模糊方法相比，所提出的含FPO的去模糊方法获得了更好的去模糊图像质量和更低的算法成本。随后，新的二维码模式减少了所提框架的处理时间。此外，使用简单方便的AGM来重建去模糊的QR码图像。仿真结果表明，所提方法对不同图像尺寸和不同模糊PSF有效。实验结果表明，所提框架对运动模糊二维码具有良好的图像质量和较高的识别率。本研究仅考虑了二维码图像，其他类型的条形码，如PDF417和线性条形码将在未来的工作中使用。

6 致谢

这项工作得到了广东省杨帆创新创业研究团队项目（2016YT03G125）的支持;广东省科技计划项目（2018B010108001;2017B090914001;2017B090901040;2017B030306017）;江门市创新研究团队项目（2017TD03）;广东省自然科学基金（2018A030310371，2017A030313385）;

7 参考资料

引用文献

第 13 卷，第6 期

2019年<>月

第923-930页

引文陈述

试用版

• 配套
  0
• 提
  2
• 对比
  0

探索本文关于 scite.ai 的引用声明

提供者

• 数字

• 引用

• 相关

• 信息

推荐

• 使用耦合卷积稀疏编码正则化对噪声模糊图像进行盲去模糊

  安同华,D. 崔,曹淑贤,洪国生,S. 李

  电子信件

• 使用无参考图像质量评估进行高速运动图像去模糊

  吕炳,陆申武,彭清景

  电子信件

• 基于超拉普拉斯模型的单幅图像快速去模糊算法

  郑洪波,任柳燕,柯玲玲,秦旭佳,张美玉

  IET 图像处理

• 通过修改图形二维码微观结构提高可读性

  刘兴志,周子仁如,卢春诗,王熙俊

  电子信件

• 自然图像的线性不相关主成分和深度卷积图像去模糊

  阿穆达·杰亚普拉卡什,苏达卡尔·拉达克里希南

  IET 图像处理

文章转自： 

基于分数阶去模糊法的运动模糊二维码图像实时恢复与识别 - Yu - 2019 - IET图像处理 - Wiley在线图书馆