一种基于深度学习的受损QR码图像盲修复方法及系统技术方案

本发明专利技术涉及图像修复技术领域，公开了一种基于深度学习的受损QR码图像盲修复方法及系统，包括以下步骤：S1、收集真实光污损二维码的数据集；S2、得到图像均衡的第一阶段处理结果；S3、数据集中的语义标签进行学习推理，并根据数据集中的语义标签，将在高维度上具备相似特征的图像区域进行合并，得到图像均衡的第二阶段处理结果；S4、从图像均衡的第二阶段处理结果中抽取编码区域，将编码区域与图像均衡的第一阶段处理结果进行细节融合补充，完成对面向光照不均污损的受损QR码图像的盲修复。本发明专利技术解决了现有技术存在的对面向光照不均污损的图片识别率低问题，且具有快速定位污损区域和针对性还原的能力的特点。

【技术实现步骤摘要】

本专利技术涉及图像修复，更具体的，涉及一种基于深度学习的受损qr码图像盲修复方法及系统。

技术介绍

1、qr码(quick response code)是一种成本低廉、可在有限的空间存储大量信息、安全性强的电子标签技术，已被广泛应用在物联网场景中，例如移动支付、快递物流、仓储管理等领域。也正是因为qr码的实际应用场景多种多样，qr码在使用的过程中容易出现被异物遮挡，污渍侵蚀以及人为破环等情况出现，这些情况会导致qr码难以识别。基于传统方式已经无法对当前复杂多变的污损qr码进行修复处理，将其修复至可识别状态。因此如何对当前的qr码修复的方法进行改进，以提高修复qr码的识别率是亟需解决的技术问题。

2、现有技术有了一种局部光照不均qr码图像二值化处理方法，这种基于图像二值化的qr码图像修复方法，是一种针对qr码图像中常见“斑光”局部光照不均所造成损伤情况的有效解决方案。该方法能够处理qr码图像中的在斑光”局部光照不均问题，使存在“斑光”局部光照不均的qr码图像在二值化后保持完整性,并将其修复为可识别状态，从而提高了qr码图像的识别率和准确度。此外，本文档来自技高网...

【技术保护点】

1.一种基于深度学习的受损QR码图像盲修复方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于深度学习的受损QR码图像盲修复方法，其特征在于：所述的步骤S2中，对数据集进行图像均值滤波，具体为：

3.根据权利要求1所述的基于深度学习的受损QR码图像盲修复方法，其特征在于：所述的步骤S2中，对均值滤波后的数据集进行动态底帽变换，具体为：

4.根据权利要求3所述的基于深度学习的受损QR码图像盲修复方法，其特征在于：动态底帽变换公式为：

5.根据权利要求4所述的基于深度学习的受损QR码图像盲修复方法，其特征在于：所述的步骤S201中，搜...

【技术特征摘要】

1.一种基于深度学习的受损qr码图像盲修复方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于深度学习的受损qr码图像盲修复方法，其特征在于：所述的步骤s2中，对数据集进行图像均值滤波，具体为：

3.根据权利要求1所述的基于深度学习的受损qr码图像盲修复方法，其特征在于：所述的步骤s2中，对均值滤波后的数据集进行动态底帽变换，具体为：

4.根据权利要求3所述的基于深度学习的受损qr码图像盲修复方法，其特征在于：动态底帽变换公式为：

5.根据权利要求4所述的基于深度学习的受损qr码图像盲修复方法，其特征在于：所述的步骤s201中，搜索光照不均情况下均值滤波后的数据集中长度比为1：1：3：1：1的黑白像素块，具体为：通过canny算法对受损图像进行边缘提取，再通过同一行或同一列中相邻的6个像素点之间的距离比例进行筛选，得到光照不均情况下均值滤波后的数据集中长度比为1：1：3：1：1的黑白像素块。

6.根据权利要求5所述的基于深度学习的受损qr码图像盲修复方法，其特征在于：所述的步骤s202中，对直方图均衡后的均值滤波后的数据集进行众数采集确定动态底帽变换的结构元素大小，具体为：设定所有候选win尺寸；将候选win的尺寸向下取7的倍数，再对获得直方图均衡后的均值滤波后的数据集进行众数采集，由此确定动态底帽变换的结构元素大小。

7.根据权利要求1所述的基于深度学习的受损qr码图像盲修复方法，其特征...

【专利技术属性】
技术研发人员：陈荣军，黄岳，陈宗杰，黄政智，王培贤，任金昌，赵慧民，卢旭，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：