基于Gabor滤波和BP神经网络的二维条码区域提取

《基于Gabor滤波和BP神经网络的二维条码区域提取》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于Gabor滤波和BP神经网络的二维条码区域提取摘要：复杂背景下的二维条码区域提取一直是DataMatrix条码解码过程中的难题之一.通过对图像进行形态学分析从而确定条码的可能区域的方法因计算简单而被广泛应用，但存在着形态学结构体难以选择和虚警率比鮫高的缺点.为克服这些缺点，提出了基于Gabor滤波和BP神经网络的DataMatrix条码区域提取方法(GF-BPNN).用不同尺度不同方向的Gabor滤波器对图像进行滤波提取其纹理特征，再进行特征变换，使所得特征具有尺度和旋转不变性;然后利用BP神经网络按照前述特征对像素进行分类，再经过形态学后处理提取

2、条码区域.实验结果表明，与进行形态学分析的方法相比,GF-BPNN具有较高的准确率和鲁棒性.关键词：Gabor滤波；BP神经网络;DataMatrix条码;区域提取2DBarcodeRegionExtractionBasedonGaborFilteringandBPNeuralNetworkYANGZhao-xuan,WUJia-peng,BAIZhuo-fu,SUYu-ting,WANGZeng-min(SchoolofElectronicInformationEngineering,TianjinUniversity,Tianjin300072,C

3、hina)Abstract：Extracting2DbarcoderegionincomplexbackgroundshasalwaysbeenakeyproblemintheprocedureofDataMatrixbarcodedecoding.Thankstoitslowcomputationcomplexity,morphologicalanalysiswaswidelyappliedinextractingpotentialregionsofDataMatrixbarcodes,withinherentdefectsofhighfalsea

4、cceptrateanddifficultyinchoosingappropriatestructuringelementthough・Inordertoovercomethesedrawbacks,themethodofDataMatrixbarcoderegionextraction,basedonGaborfilteringandBPneuralnetwork(GF-BPNN),wasproposed.GF-BPNNfirstlyfilteredtheimagebyasetofGaborfilterswithdifferentscalesand

5、orientationstoextractitstexturefeatures,andthentransformedthesefeaturestomakethemscaleandrotateinvariant.Afterthat,GF-BPNNemployedtheBPneuralnetworktoclassifypixelsaccordingtothefeaturesaforementioned.Finally,DataMatrixbarcoderegionswereextractedbymorphologicalpost-processing.

6、ExperimentresultsrevealedthatGF-BPNNwasmoreaccurateandrobustthanmorphologicalanalysis.Keywords:Gaborfiltering；BPneuralnetwork；DataMatrixbarcode；regionextraction近年来，随着资料自动收集技术的发展，用条码符号表示更多资讯的要求与口俱增，一维条码已无法满足人们的需求⑴.二维条码因其具有高密度、大容量、可靠性高、保密性强、防伪性强和抗污损能力强等优点，得到了迅速的发展，应用领域不断拓宽，冃前已广泛应用

7、于国防、海关、税务、公共安全、交通运输、产品制造等信息n动携带、传递、防伪领域.DataMatrix条码⑵是一种应用广泛的矩阵式二维条码，如图1所示.DataMatrix条码由规则排列的方形模块构成，每一个相同大小的黑色或白色方格称为一个数据单位,分别代表着矩阵中的1、0信息.条码边界是由两条暗实线和两条由黑白交替的小方格纽成的铁路线组成的寻边区，只用于限定物理尺寸、定位和定义数据单位的大小，无任何编码信息.被寻对像素进行分类，从何捉取出条码区域.1GF-BPNN方法流程边区包围的数据区包含着编码信息矩阵，信息密度高，信息量大.由于编码时加入了纠错码，

8、条码具有较强的纠错能力.COS(27t/xJ(1)图1DataMatrix条码Fig.lDat