基于卷积神经网络的QR码定位算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景与意义 | 第10-12页 |
| 1.2 本文的主要工作和难点 | 第12-14页 |
| 1.2.1 本文的主要工作 | 第12-13页 |
| 1.2.2 本文的难点 | 第13-14页 |
| 1.3 本文的结构安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 相关技术综述 | 第16-30页 |
| 2.1 QR码简介 | 第16-18页 |
| 2.2 QR码定位算法的国内外研究现状 | 第18-21页 |
| 2.3 图像预处理技术 | 第21-24页 |
| 2.3.1 图像灰度化 | 第21-22页 |
| 2.3.2 图像二值化方法 | 第22-24页 |
| 2.4 卷积神经网络 | 第24-28页 |
| 2.4.1 卷积神经网络的特点 | 第24-25页 |
| 2.4.2 卷积神经网络的一般结构组成 | 第25-28页 |
| 2.4.3 卷积神经网络的应用 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于卷积神经网络的QR码定位算法 | 第30-44页 |
| 3.1 定位算法整体流程 | 第30页 |
| 3.2 图像预处理 | 第30-32页 |
| 3.3 滑动窗口生成候选块 | 第32-33页 |
| 3.4 候选块过滤筛选 | 第33-34页 |
| 3.5 基于卷积神经网络的QR候选块识别算法 | 第34-39页 |
| 3.5.1 QR码局部候选块数据集 | 第34-36页 |
| 3.5.2 卷积神经网络的结构 | 第36-37页 |
| 3.5.3 卷积神经网络的训练结果及分析 | 第37-39页 |
| 3.6 候选块的连通合并 | 第39页 |
| 3.7 QR定位图案查找及精确定位 | 第39-43页 |
| 3.8 本章小结 | 第43-44页 |
| 第4章 实验结果与分析 | 第44-51页 |
| 4.1 开发测试环境 | 第44页 |
| 4.2 QR码图片数据集 | 第44-45页 |
| 4.3 实验结果及分析 | 第45-50页 |
| 4.3.1 算法的定位效果及分析 | 第45-48页 |
| 4.3.2 算法的定位速度及分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-54页 |
| 5.1 总结 | 第51-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59-61页 |
| 致谢 | 第61页 |
