英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
一种基于凸显区域检测和SPBVM的美学QR码新算法
摘要:已经提出了许多美学的QR码算法。 本文提出了一种基于显着区域检测和可选正向基矢量矩阵（SPBVM）的全新美学QR码算法。 首先，基于现有的显着区域检测算法，添加纹理特征的复杂度来计算显着性值。 根据显着图，图像的重要区域被保留用于随后的执行操作。 然后，根据所获得的显着区域，通过使用所提出的SPBVM来选择适当的基本矢量，并且通过由所生成的原始QR码和所选择的基本矢量执行的XOR运算来完全显示显着区域。 最后，通过组合背景图像和原始QR码获得美学QR码。 结果表明，该算法能够产生更精确的显着区域，并具有更加愉悦的视觉效果。
关键词：美学QR码;RS码;凸区检测可选正向矢量矩阵;异或运算
1.介绍
QR码是一种二维码，具有容错度高，编码信息类型范围广，读取速 度方便快捷等特点。传统的QR码由黑白模块组成，均为单色，视觉效果 差。 因此，为解决上述问题，许多研究人员都致力于美学QR码的算法。
目前的美学算法可以分为两类。 第一个类别用于修改原始QR码中要 实现的模块的颜色或形状美容效果[1]。 结果如图1所示。
第二类算法考虑原始QR码和背景图像的融合，以增强视觉效果.由于 QR码采用RS码的编码机制进行编码，因此根据RS码的特点可将算法分为 两种算法[2, 3]。
图1 修改模块的颜色或形状
第一种算法利用RS码的纠错编码机制[4–6, 9]。 效果图如图2所示。
图2 不同算法的美学QR码
第二类算法使用RS码（7, 8）的异或特性来美化QR码。效果图如图3所示。
图3 不同算法的美学QR码
虽然上述算法已经实现了传统QR码的视觉外观。但是，针对彩色QR码所选择的图像比较简单，算法不能很好地应用于具有多个显著区域的背景图像。
考虑到上述缺点，提出了一种新的算法。
（1）提出一种显著区域检测算法，以获得更适合于审美QR码的显著图。利用灰度共生矩阵（GLCM）计算纹理特征的复杂度，并加入到Xu等人的显著区域检测算法中。〔10〕可以更精确地获得显著性图。
（2）根据正基向量矩阵（PBVM）的显著图构造SPBVM，实现区域的柔性替换。
由于在高斯约当消除过程中，对应于数据区域中的码字的基向量是冗余的。因此，基于显著图，可以选择一些正基向量来形成SPBVM，并通过高斯-约当消元法得到相关的反向基向量矩阵（RBVM）。最后，尽可能多地保留显著区域的显示。
2. 所提出的美学QR码算法
在给定背景图像IO的情况下，我们要使IO中的IO显著区域得到充分的显示，而不影响解码速率。首先，通过改进的显著区域检测算法获得所选择的背景图像IO的显著区域。在背景图像中加入纹理特征的复杂性来计算显著性值，并生成显著性图ISAL。然后通过扩张和腐蚀算法得到具有封闭区域IBN的二值图像。便于选择基矢。其次，提出的SPBVM用于生成初始的审美QR码。根据提取的显著区域，通过IBN与包含在SPBVM中的选择基向量的XOR运算生成RBVM IRR的结果。最后，通过IRR和IP的合成策略生成了审美QR码IR。图4显示了所提出的美学算法的流程图。
预处理
灰色图像（IG）
原版的 预处理
图像（IO） 图片（IP）
PBVM
合成策略
QR的结果
代码（IR）
SPBVM
QR Code（IQ）
PBVM结果（IRP）
RBVM的结果（IRR）
显着区域检测的预处理
N
显着图（ISAL）
二进制图像（IBIN）
亮度平均值
gt; Y
阈？
显着灰色图像（ISG）
添加纹理特征的复杂性以计算显着性值
具有扩张和侵蚀算法的二元图
灰度转换
图4 所提出算法的流程
2.1 改进的显着区域检测算法
在以前的工作中，在不考虑背景图像的显着区域的情况下，在最终结 果的显着区域中存在黑色和白色模块。 因此，本文将美妙的QR码算法添加 到显着区域检测算法中，本文在Xu等人[10]和Cheng等人[11]等人的基 础上 对显着区域检 测算法进行了改进。在之前的算法中，考虑了元素的亮度变 化然而，它忽略了非显着区域的亮度变化很大的情况，非显着区域被误标为 显着区域，导致检测结果不准确。考虑到显着区域具有更丰富的纹理，非显 着区域中的纹理相对简单和平滑。因此，通过增加每个区域的纹理特征的复 杂度，可以实现更精确的显着区域。
描述纹理特征的复杂性。 灰度共生矩阵（GLCM）[12–15]用于计算 纹理特征的复杂度。在显着区域检测算法中选择5个纹理参数（能量，熵， 对比度，均匀性，相关性），并将显着图应用于美学QR码。纹理特征的复 杂性可以通过公式 (1).
在等式（1） a1, a2, a3, a4 和 a5分别表示权重系数，基于BP神经网络的计算方法在Chen 及其他人[16]。 能量表示灰度图像的分布和纹理的厚度，在方程 （2）。熵表示图像中的信息量，等式 （3）。对比度反映了像素值与其邻域像素值之间的亮度比较，在方程（4）。均匀性代表纹理的局部变化，在方程（5）。相关表示纹理在不同方向上的一致性，在方程式(6–10)中。
n n
显着区域检测算法的流程图。 改进的显着区域检测算法详细描述如下：
步骤1：背景图像必须进行预处理。 计算图像的亮度平均值以与固定阈值进行比较。 如果亮度平均值大于阈值，图像将被转换为灰度图像。
步骤2：通过分割算法将图像分成不同的区域。
步骤3：纹理特征的复杂度被计算为显着区域的检测因子。
步骤4：将突出值映射到相应区域的每个像素。
步骤5：显着区域的二元图通过Otsu方法获得[17]，然后使用膨胀和侵蚀算法来获得封闭区域。
显着性值由公式(11)得到.
这里， 是纹理特征的复杂性。是元素的亮度变化。表示不同区域之间的空间距离。表示由像素的数目决定的区域的权重。表示区域之间的颜色距离。改进的显着区域检测算法与Xu算法[10]比较显示在表中 1。
表1 不同显着区域检测算法的比较
背景图 显著图[10] 二值图像[10] 算法的显著图 算法的二值图像
2.2 SPBVM的生成
为了尽可能展示显着区域，我们提出了SPBVM的概念。RS码的分布和特性。 RS码可分为两部分：数据区（长度为k）和奇偶校验区（长度为t），RS码的总长度为n。 其中，存储输入信息的区域称为有效数据区（长度为m），在信息序列后添加终止符，终止符后的码字称为无效数据区（长度为km ）。存储在无效数据区域中的信息对解码没有影响，因此经常修改在美学QR码算法中显示背景图像。QR码中的RS码分布如图5所示。
m有效数据位
t奇偶位
km无效的数据位
图5 QR代码中RS代码的分布
在 [2, 3]中，Cox等人 已经证明RS码具有两个重要特征。
- 输入信息可以直接在编码过程中获得;
- 异或操作可以在RS代码中执行。 也就是说，通过XOR运算将两个不同的RS码转换成新的RS码。
- PBVM和RBVM。 RS编码在XOR下是封闭的，基矩阵的概念在[2, 3]。 数据区的修改是通过关闭RS编码来实现的。 这个想法通过在[8]。 我们扩展了这个想法，并提出了数据区域由PBVM修改，而RBVM用于修改奇偶校验区域。
首先，利用前k个数据比特和后t个奇偶校验比特构造正基矢量bi，仅数据比特中的第ith比特为1，其他比特为0，并且t位是RS码的对应奇偶校验位。 每个基矢量是一个有效的RS码，其中1 le; i le; k。 所有正向基矢量bi如图6所示。
奇偶位 数据位
数据位奇偶校验位
图6 正基向量bi 图7 反向基向量cj
PBVM由正基向量构成，用于修改RS码的数据区域。它可以像等式(12)。
在 Ik为kth单位矩阵的情况下，具有大小t*s的R是数据区域的对应矩阵。RBVM在图8（a）中示出。
通过执行类似于PBVM上的高斯约旦消元的消除操作，奇偶矩阵P通过行变换被简化为最简单的梯队矩阵，并且过程在等式(13)。
因此获得RBVM，其用于修改RS码的奇偶校验区域。 它可以表示在等式(14).
在 It为tth单位矩阵的情况下，具有大小 t * k 剩余内容已隐藏，支付完成后下载完整资料
资料编号：[23139]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
