基于随机信息缺失模型的二维码图像修复模型构建方法技术

本发明专利技术公开了一种基于随机信息缺失模型的二维码图像修复模型构建方法。该方法包括：对于标准二维码图片，利用二维随机自相关模型生成符合设定分布的信息缺失区域图片集；融合所述信息缺失区域图片集以及信息齐全二维码图片得到随机信息缺失二维码图片集；以所述随机信息缺失二维码图片集作为输入，以信息齐全的二维码二值化图片集作为输出，训练图像修复模型，学习信息缺失图片和标准二维码图片之间的对应修复关系。本发明专利技术仅需要小部分信息齐全二维码即可实现全自动无监督训练，并且经训练的图像修复模型很容易部署在制造业和物流行业等，实现二维码信息的快速修复。实现二维码信息的快速修复。实现二维码信息的快速修复。

【技术实现步骤摘要】
基于随机信息缺失模型的二维码图像修复模型构建方法


[0001]本专利技术涉及物流行业
，更具体地，涉及一种基于随机信息缺失模型的二维码图像修复模型构建方法。

技术介绍

[0002]由于二维码在产品制造及包裹运输过程中，起到了产品/包裹信息的全流程跟踪，被广泛应用于制造业和物流行业。然而，由于产品/包裹的制造和运输过程受到不可抗力影响，通常导致部分二维码信息丢失，使得产品/包裹无法识别，最终导致产品报废或者包裹丢失。条码枪厂家基于机器视觉算法优化和二维码编码格式的迭代更新，使部分信息缺失的二维码也能准确读取，但如果二维码信息丢失超过20％(缺失面积/二维码总面积)，现有的技术基本无法识别。
[0003]基于深度学习的图片修补算法需要收集大量缺陷二维码图片，然而在实际制造业和物流行业的工程应用中，受制于二维码制造工艺的多样性(如镭射，打印，丝印等)，难以收集到缺陷二维码(通常二维码的制造良率较高，不可抗拒力导致的缺陷二维码较少)，并且缺陷二维码图片的收集和人工标注都会耗费大量人力物力，最终导致深度学习在实际工程应用中困难重重。
[0004]此外，目前基于机器视觉算法和二维码编码格式优化，无法解决信息丢失较严重的二维码读取问题。近年来，基于机器学习的算法在二维码的读取应用中，主要集中于二维码定位，背景噪声优化及二维码修复等。但现有的机器学习算法，通常需要长时间反复训练模型进行迭代升级。在迭代升级过程中，需要大量信息缺失的二维码图片并要求人工标注信息缺失区域。而实际产品生产线及包裹运输中，信息齐全的二维码(条码枪能够读取)数量会远远大于信息缺失严重的二维码数量，且实际收集到的信息缺失区域的形态分布通常不具有随机分布的特点。并且，在不同应用中，二维码的图像差异较大，最终导致基于深度学习的二维码检测在实际应用中难以落地。

技术实现思路

[0005]本专利技术的目的是克服上述现有技术的缺陷，提供一种基于随机信息缺失模型的二维码图像修复模型构建方法。
[0006]根据本专利技术的第一方面，提供一种基于随机信息缺失模型的二维码图像修复模型构建方法。该方法包括以下步骤：
[0007]步骤S1：对于标准二维码图片，利用二维随机自相关模型生成符合设定分布的信息缺失区域图片集；
[0008]步骤S2：融合所述信息缺失区域图片集以及信息齐全二维码图片得到随机信息缺失二维码图片集；
[0009]步骤S3：以所述随机信息缺失二维码图片集作为输入，以信息齐全的二维码二值化图片集作为输出，训练图像修复模型，学习信息缺失图片和标准二维码图片之间的对应
修复关系。
[0010]根据本专利技术的第二方面，提供一种二维码图像修复方法。该方法包括：获取待修复的目标二维码图片输入到经训练的图像修复模型，获得重建图像，其中所述图像修复模型根据本专利技术第一方面提供的方法构建。
[0011]与现有技术相比，本专利技术的优点在于，通过使用二维随机介质模型生成具有高斯/指数分布的自相关模型图；融合自相关模型图和信息齐全的二维码图片得到随机信息丢失的二维码图片集及标注集；并使用自动生成的图片集进行图片修补深度网络训练。利用本专利技术，能够自动生成已标注的仿真缺陷二维码，进而用于训练图片修复的深度学习模型。本专利技术训练的图像修复模型能够有效且低成本地部署到产品制造生产线及物流行业，实现缺陷二维码的准确、高效识别。
附图说明
[0012]被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。
[0013]图1是根据本专利技术一个实施例的基于随机信息缺失模型的二维码修复方法的流程图；
[0014]图2是根据本专利技术一个实施例的信息缺失二维码图片生成及模型训练过程示意图；
[0015]图3是根据本专利技术一个实施例的随机介质模型建立流程图；
[0016]图4是根据本专利技术一个实施例的信息缺失二维码修复前后对比图。
具体实施方式
[0017]现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。
[0018]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。
[0019]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0020]在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
[0021]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0022]结合图1和图2所示，所提供的基于随机信息缺失模型的二维码修复方法包括以下步骤。
[0023]步骤S110，收集信息齐全二维码图片并进行二值化操作。
[0024]例如，收集一部分信息齐全的二维码图片，并使用常用的图像增强算法得到增强信息齐全图片集，标记为Grey
[nor,[x,y]]，并进行二值化操作得到二值化图片集Grey
[nor
′
,[x,y]]。
[0025]步骤S120，利用信息齐全二维码获得背景图片。
[0026]例如，通过信息齐全的二维码图片数据统计及图像形态学处理，如膨胀和腐蚀等，得到背景图片，标记为Grey
[BG,[x,y]]；
[0027]步骤S130，根据二维随机介质模型生成具有二维高斯/指数分布自相关模型图。
[0028]自相关模型图的类型和参数(如随机介质长度和宽度等)均随机确定。通过随机调整二维自相关随机模型参数能有效地生成不同信息缺失比例的二维码图片。随机介质模型的建立过程如图3所示。
[0029]步骤S140，利用自相关模型图确定信息缺失区域图片集。
[0030]在一个实施例中，根据实际二维码图片大小随机在自相关模型图截取模型图片，并使用随机百分比的极值搜索法确定二维码缺陷区域图片集。
[0031]具体地，随机百分比极值搜索法包括：
[0032]步骤S141，设置缺陷百分比，如设置为P＝Random[0.20,0.40]；
[0033]步骤S142，统计自相关模型图Grey
[ran,[x,y]]的灰度分布：His
[i＝0,255]；
[0034]步骤S143，遍历His
[i]，当His
[i]大于缺陷百分比P时，记录灰度阈值G
t
；
[0035]步骤S144，统计自相关模型图Grey
[ran,[x,y]]中所有灰度大于阈值G
t
的点并将其灰度值设置为255，其余填充灰度值为0，从而得到信息缺失区域图片，标记为Grey...

【技术保护点】

【技术特征摘要】
1.一种基于随机信息缺失模型的二维码图像修复模型构建方法，包括以下步骤：步骤S1：对于标准二维码图片，利用二维随机自相关模型生成符合设定分布的信息缺失区域图片集；步骤S2：融合所述信息缺失区域图片集以及信息齐全二维码图片得到随机信息缺失二维码图片集；步骤S3：以所述随机信息缺失二维码图片集作为输入，以信息齐全的二维码二值化图片集作为输出，训练图像修复模型，学习信息缺失图片和标准二维码图片之间的对应修复关系。2.根据权利要求1所述的方法，其特征在于，所述信息缺失区域图片集根据以下步骤获得：利用设定的自相关模型参数获得自相关模型图片，其中所述自相关模型参数包括随机自相关模型、随机自相关长度、随机自相关宽度和随机图像大小中的一项或多项；针对所述自相关模型图设置信息缺失区域参数，获得信息缺失区域图片集，其中所述信息缺失区域参数包括随机信息丢失位置、随机信息丢失百分比中的一项或多项。3.根据权利要求1所述的方法，其特征在于，所述信息齐全的二维码二值化图片集根据以下步骤获得：收集部分信息齐全的二维码图片，利用图像增强处理得到增强的信息齐全的二维码图片集，标记为Grey
[nor，[x，y]]
，并进行二值化操作得到信息齐全的二维码二值化图片集，标记为Grey
[nor
′
，[x，y]]
。4.根据权利要求1所述的方法，其特征在于，步骤S1包括以下子步骤：步骤S11：根据二维随机介质模型生成具有二维高斯分布或指数分布自相关模型图，其中，所述自相关模型图的类型和参数均随机确定；步骤S12：根据实际二维码图片大小随机在所述自相关模型图截取模型图片，并使用随机百分比的极值搜索法确定所述信息缺失区域图片集。5.根据权利要求4所述的方法，其特征在于，步骤S12包括：设定缺陷百分比P＝Random[0.20，0.40]；统计自相关模型图Grey
[ran，[x，y]]
的灰度分布，标记为His
[i＝0，255]
；遍历His
[i]
，当His
[i]
大于缺陷百分比P时，记录灰度阈值G
t
；对于自相关模型图Grey
[ran，[x，y]]
中所有灰度大于阈值G
t
的点，将其灰度值设置为255，其余填充灰度值为0，得到所述信息缺失区域图片Grey
...

【专利技术属性】
技术研发人员：胡志雄，
申请(专利权)人：胡志雄，
类型：发明
国别省市：