【技术实现步骤摘要】
一种二维码修复方法、装置、电子设备及存储介质
[0001]本专利技术涉及图像处理
,具体而言,涉及一种二维码修复方法
、
装置
、
电子设备及存储介质
。
技术介绍
[0002]二维码技术广泛应用在生产生活的各个方面
。
在实际应用场景下,二维码容易受各种自然不可抗力以及人为因素影响
、
产生破损
、
脏污
、
模糊等缺陷,导致无法读取缺陷二维码
。
[0003]目前,主要采用三种二维码修复方法来修复缺陷二维码
。
第一种二维码修复方法是在二维码中添加纠错码,对于缺陷二维码,利用纠错码这一冗余信息进行解码,第一种二维码修复方法仅适用于修复缺陷面积较小的二维码,不适用于修复缺陷面积较大致使无法识别纠错码的二维码;第二种二维码修复方法是利用滤波等数字图像处理技术对缺陷二维码的图像进行处理得到清晰二维码,第二种二维码修复方法的修复效果取决于图像质量,当缺陷二维码的图像质量较差时,第二种二维码修复方法容易失效无法修复缺陷二维码;第三种二维码修复方法是基于生成对抗神经网络来修复缺陷二维码,第三种二维码修复方式需要同时使用两个神经网络,处理复杂成本高,且只能将缺陷二维码修复为视觉上清晰的二维码,并不能保证修复的二维码与原二维码一致
。
可见,应用现有的二维码修复方法仍难以高效修复各种缺陷二维码
。
技术实现思路
[0004]本专利技术实施例的目的在于
【技术保护点】
【技术特征摘要】
1.
一种二维码修复方法,其特征在于,包括:按照编码器
‑
解码器结构建立初始二维码修复模型,并训练所述初始二维码修复模型,得到二维码修复模型;基于所述二维码修复模型,对获取的二维码图像进行修复处理,得到目标二维码图像
。2.
根据权利要求1所述的二维码修复方法,其特征在于,所述训练所述初始二维码修复模型,得到二维码修复模型,具体包括:获取模拟数据集;其中,所述模拟数据集包括至少一个正常二维码图像和至少一个缺陷二维码图像;将所述正常二维码图像输入所述初始二维码修复模型,通过辅助编码器网络提取所述正常二维码图像的特征;将所述缺陷二维码图像输入所述初始二维码修复模型,通过编码器网络提取所述缺陷二维码图像的特征,通过解码器网络根据所述缺陷二维码图像的特征还原二维码,得到修复二维码图像,通过注意力网络融合所述缺陷二维码图像的特征和所述修复二维码图像的特征进行学习;其中,所述初始二维码修复模型包括所述辅助编码器网络
、
所述编码器网络
、
所述解码器网络和所述注意力网络;结合所述正常二维码图像的特征
、
所述缺陷二维码图像的特征
、
所述正常二维码图像和所述修复二维码图像,确定所述初始二维码修复模型的网络损失;根据所述网络损失更新所述编码器网络
、
所述解码器网络和所述注意力网络的参数,结合更新后的所述编码器网络
、
更新后的所述解码器网络和更新后的所述注意力网络,建立所述二维码修复模型
。3.
根据权利要求2所述的二维码修复方法,其特征在于,所述获取模拟数据集,具体包括:基于开源算法库生成至少一个所述正常二维码图像;对于每一所述正常二维码图像,根据预先定义的二维码缺陷类型,在所述正常二维码图像上模拟缺陷,得到至少一个所述缺陷二维码图像
。4.
根据权利要求2所述的二维码修复方法,其特征在于,所述结合所述正常二维码图像的特征
、
所述缺陷二维码图像的特征
、
所述正常二维码图像和所述修复二维码图像,确定所述初始二维码修复模型的网络损失,具体包括:根据所述正常二维码图像的特征和所述缺陷二维码图像的特征,计算所述缺陷二维码图像与所述正常二维码图像之间的特征差异度,得到第一网络损失;根据所述正常二维码图像和所述修复二维码图像,计算所述修复二维码图像与所述正常二维码图像之间在缺陷区域上的差异度,得到第二网络损失;根据所述正常二维码图像和所述修复二维码图像,计算所述修复二维码图像与所述正常二维码图像之间在二维码功能区域上的差异度,得到第三网络损失;根据所述正常二维码图像和所述修复二维码图像,计算所述修复二维码图像与所述正常二维码图像之间在信息编码区域上的差异度,得到第四网络损失
。5.
根据权利要求4所述的二维码修复方法,其特征在于,所述第一网络损失为:或者,
其中,
L
1loss
为所述第一网络损失,
gt
k
为所述正常二维码图像对应的特征图上的第
k
维度特征值,
pre
k
为所述缺陷二维码图像对应的特征图上的第
k
维度特征值,
k
=
1,2,...,K
,
K
为特征图的特征维度数;所述第二网络损失为:或者,其中,
L
2loss
为所述第二网络损失,
gt
...
【专利技术属性】
技术研发人员:张发恩,
申请(专利权)人:创新奇智浙江科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。