| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 课题研究背景 | 第14-15页 |
| 1.2 课题研究意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-20页 |
| 1.3.1 QR码定位算法的研究现状 | 第16-18页 |
| 1.3.2 QR码模糊复原研究现状 | 第18-19页 |
| 1.3.3 QR码畸变复原研究现状 | 第19-20页 |
| 1.4 本文主要工作和难点 | 第20-22页 |
| 1.4.1 本文的主要工作 | 第20-21页 |
| 1.4.2 本文的难点 | 第21-22页 |
| 1.5 本文结构安排 | 第22-23页 |
| 1.6 本章小结 | 第23-24页 |
| 第二章 QR码概述与数据集建立 | 第24-32页 |
| 2.1 概述 | 第24页 |
| 2.2 QR码结构组成和优势 | 第24-26页 |
| 2.2.1 QR码结构组成 | 第24-25页 |
| 2.2.2 QR码的优势 | 第25-26页 |
| 2.3 QR码识别设备与应用环境分析 | 第26-28页 |
| 2.3.1 QR码识别设备 | 第26-28页 |
| 2.3.2 QR码应用环境分析 | 第28页 |
| 2.4 复杂采集环境下QR码数据集建立 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 复杂环境下QR码定位 | 第32-56页 |
| 3.1 概述 | 第32页 |
| 3.2 深度卷积神经网络基础知识 | 第32-37页 |
| 3.2.1 卷积神经网络基本概念和结构 | 第33-34页 |
| 3.2.2 基于深度学习的目标检测算法 | 第34-37页 |
| 3.3 基于SSD网络模型的QR码定位 | 第37-45页 |
| 3.3.1 QR码定位方案设计 | 第37-38页 |
| 3.3.2 SSD目标检测原理 | 第38-42页 |
| 3.3.3 基于K-means算法的QR码定位模型优化 | 第42-45页 |
| 3.4 定位算法性能分析 | 第45-55页 |
| 3.4.1 QR码定位测试结果 | 第46-54页 |
| 3.4.2 测试结果分析 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于运动模糊复原的QR码识别 | 第56-72页 |
| 4.1 概述 | 第56页 |
| 4.2 图像退化模型 | 第56-58页 |
| 4.3 模糊QR码图像先验知识 | 第58-61页 |
| 4.4 基于L0正则化先验的QR码图像模糊复原 | 第61-67页 |
| 4.4.1 基于双边滤波的模糊QR码图像预处理 | 第61-62页 |
| 4.4.2 基于强度和梯度先验的QR码图像模糊复原 | 第62-65页 |
| 4.4.3 基于超拉普拉斯先验的非盲去卷积 | 第65-67页 |
| 4.5 模糊复原性能分析 | 第67-70页 |
| 4.6 本章小结 | 第70-72页 |
| 第五章 基于畸变复原的QR码识别 | 第72-90页 |
| 5.1 概述 | 第72-73页 |
| 5.2 QR码图像区域连通 | 第73-79页 |
| 5.2.1 QR码图像形态学运算 | 第73-75页 |
| 5.2.2 QR码区域灰度化及二值化处理 | 第75-79页 |
| 5.3 QR码区域图像的边缘提取 | 第79-81页 |
| 5.4 基于Hough变换的QR码边缘检测与角点获取 | 第81-83页 |
| 5.5 QR码区域图像的透视变形校正 | 第83-88页 |
| 5.5.1 QR码透视变换矩阵计算 | 第83-85页 |
| 5.5.2 复原图像像素点填充 | 第85-88页 |
| 5.6 畸变复原性能分析 | 第88-89页 |
| 5.7 本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 6.1 本文工作总结 | 第90-91页 |
| 6.2 工作展望 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 致谢 | 第96-98页 |
| 作者简介 | 第98-99页 |
