二維條形碼失焦通過增加約束最小二乘濾波器由模糊變清晰

=J最二維條形碼失焦通過增加約束最小二乘濾波器由模糊變清晰=J最NingzhongLiu,XingmingZheng,HanSun,XiaoyangTan計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院、南京航空航天大學(xué)，南京210016年，中國文章信息文章歷史:;收到2014年4月3號；網(wǎng)上2012年9月21號；由G.Borgefors溝通關(guān)鍵詞二維碼；去模糊；增量約束最小二乘濾波器1.摘要二維條形碼時(shí)遠(yuǎn)離相機(jī)的焦點(diǎn)，模糊圖像的點(diǎn)擴(kuò)散函數(shù)的卷積。在噪聲的存在，失焦去模糊是一個(gè)不適定問題。二維條碼圖像有非常特殊的形式，由模糊變清晰可行的。本文pro-poses快速去模糊算法稱為增量約束最小二乘濾波器是專門為二維條碼圖像。在分析了條形碼圖像，高斯模糊的標(biāo)準(zhǔn)devia-tion內(nèi)核。然后,,條形碼圖像恢復(fù)是通過在迭代計(jì)算。在每個(gè)迭代中，條形碼的雙層約束圖像有效地整合。實(shí)驗(yàn)結(jié)果表明,我們的算法可以獲得更好的條形碼圖像質(zhì)量與現(xiàn)有方法相比。我們的方法也可以提高閱讀的景深，這是一個(gè)重要的性能參數(shù)為條形碼的讀者。2012年愛思唯爾帳面價(jià)值保留所有權(quán)利1.介紹傳統(tǒng)的一維條碼的使用極大地限制了他們的小信息能力。出于這個(gè)原因，開發(fā)了二維條形碼（Vangils,1987）。二維條碼密度高，具有糾錯能力,并且可以代表多種形式的語言，文字，和im-age數(shù)據(jù)加密（劉Doermann,2008）。目前，最常用的一種二維條形碼是矩陣條形碼（Vangils，雷納托etal.,1987;2006）,它包含一個(gè)矩陣的元素。每個(gè)元素代表1或0的值。代表矩陣條形碼協(xié)議包括數(shù)據(jù)矩陣，二維碼和馬克西代碼（雷納托etal.,2006）。本文的數(shù)據(jù)矩陣條形碼，最廣泛使用的二維條形碼協(xié)議（雷納托etal.,2006）,是用于研究二維條形碼由模糊變清晰的技術(shù)。這里介紹的方法和想法也可以應(yīng)用于其他二維條形碼協(xié)議，如PDF417二維條碼和馬克西代碼。圖1（一個(gè)）顯示一個(gè)數(shù)據(jù)矩陣條形碼符號。數(shù)據(jù)區(qū)域包含的符號由名義上廣場模塊在一個(gè)常規(guī)數(shù)組中，如圖1所示（b）。sym-bol儀模式所包圍，這是顯示在圖1（c）。兩個(gè)相鄰兩側(cè),左側(cè)和較低，形成了“I形的邊界。兩邊是由alter-nating黑暗與光明的模塊。詳細(xì)描述的數(shù)據(jù)矩陣中可以找到pro-tocolISO國際標(biāo)準(zhǔn)（ISO2006）。很長一段時(shí)間，條形碼解碼的問題是密切相關(guān)的邊緣檢測（約瑟夫和Pavlidis,1994;尤瑟夫和薩勒姆,2007;楊etal.,2012）。然而，如果條形碼的表面不是相機(jī)的焦平面,信號由convo-lution模糊的點(diǎn)擴(kuò)散函數(shù)（約瑟夫和Pavlidis,1994;Se-lim,199

4)。距離越長，越模糊觀測信號。目前，基于邊緣檢測的識別方法不再足夠了。雖然條形碼閱讀器已經(jīng)成熟的產(chǎn)品，如何解模糊信號仍然是一個(gè)熱點(diǎn)。由模糊變清晰可以改善景深,這是一個(gè)重要的性能參數(shù)為條形碼的讀者(都靈和Boie,1998)。除了條形碼閱讀器，在最近幾年，移動電話已被用于識別條形碼，然后與網(wǎng)絡(luò)交互系統(tǒng)(加藤和褐色,2007;楊etal.,2012)。然而,cap-tured圖像模糊因?yàn)槿狈ψ詣訉乖诖蠖鄶?shù)手機(jī)(Eisakuetal.,2004;Thielemannetal.,2004)。因此抓取的圖像識別之前需要由模糊變清晰。在條形碼的信號。金和李(2007)應(yīng)用懲罰非線性廣場目標(biāo)函數(shù)模糊的條碼信號。劉和太陽(2010)運(yùn)用迭代傅里葉變換過程退化信號。(a) (b)(a) (b)圖1。數(shù)據(jù)矩陣代碼結(jié)構(gòu):(一)數(shù)據(jù)矩陣條形碼,(b)數(shù)據(jù)區(qū)域,(c)儀模式。然而，這些方法在很大程度上是專為one-dimen-sional條形碼。他們不能有效的解模糊二維條碼圖像。此外，這些方法都是基于信號增強(qiáng)。他們是有效的標(biāo)準(zhǔn)偏差模糊卷積內(nèi)核與最小的模塊條形碼的寬度(ISO,2006;劉Doermann,2008)。無論，當(dāng)讀者遠(yuǎn)離條形碼，內(nèi)核變得模糊的標(biāo)準(zhǔn)偏差大的光學(xué)char-acteristics成像系統(tǒng)(斯萊姆,2004)。因此這些方法將處于明顯劣勢。各種算法解模糊條形碼sig-nals已經(jīng)開發(fā)出來。約瑟夫和Pavlidis(1993、1994)計(jì)算標(biāo)準(zhǔn)偏差的點(diǎn)擴(kuò)散函數(shù)，然后補(bǔ)償條形碼邊緣位置。都靈和Boie(1998)應(yīng)用determinis-ticexpectation-maximization(EM)算法解模糊條碼信號。Shellhammeretal。(1999)獲得條形碼邊緣使用選擇性抽樣和邊緣增強(qiáng)過濾器。Okol'nishnikova(2001)應(yīng)用遞歸逐步優(yōu)化公式識別條形碼。Marometal。(2001)和Kresic-Juric(2005)分析了邊緣定位誤差的統(tǒng)計(jì)特性h(x,y)1/巨的條形碼被斑紋噪聲信號。Kresic-Juricetal。(2006)應(yīng)用隱馬爾科夫模型(HMM)邊緣檢測g=h*f+n; (1)g是觀察到的圖像,h點(diǎn)擴(kuò)散函數(shù),f是嗎原始圖像和n是加性噪聲。酒吧的光學(xué)系統(tǒng)代碼的讀者,h是一個(gè)高斯函數(shù)(約瑟夫和Pavlidis,1994; 金和李,2007):雄'力=矗唧(號菱)」 (2}人們提出了很多方法來恢復(fù)模糊圖像，如古典逆濾波和維納濾波。最近，方法基于正則化技術(shù)(酒吧etal.,2006;Mignotte,2006;貝克和Teboulle,2009;廖和Ng,2011;Caietal.,2012)和稀疏表示(Mairaletal.,2008;蘭德etal.,2010;董etal.,2011)已經(jīng)被廣泛的研究。無論，這些方法需要大量的計(jì)算，使其低效使用

條形碼閱讀器和手機(jī)。在這里，我們設(shè)計(jì)一個(gè)快速去模糊方法稱為增量Con-strained最小二乘濾波器恢復(fù)條碼圖像。迭代的數(shù)量并不大。在每個(gè)迭代中,雙層con-straint條形碼圖像的有效整合。本文組織如下。標(biāo)準(zhǔn)偏差esti-mation方法在第二節(jié)。第三節(jié)描述了由模糊變清晰的方法。實(shí)驗(yàn)結(jié)果討論了第四節(jié)，并在第五節(jié)給出結(jié)論。2。Blur內(nèi)核估計(jì)一般來說,高斯模糊內(nèi)核是最常見的條形碼的degra-dation功能讀者的光學(xué)系統(tǒng)(Kim和李約瑟夫和Pavlidis,1994;2007)。去模糊圖像之前，我們需要估計(jì)的標(biāo)準(zhǔn)偏差模糊內(nèi)核。在酒吧里只有兩個(gè)灰度值的代碼。acquisi-tion后的形象，我們的灰度值指定白色mod-ulv1和黑色的灰度值模塊v2。圖2(a)顯示，考慮到信號通過掃描條形碼圖像水平線，在理想的情況下，將一系列步驟邊緣信息，見圖2(b)的底部。然而，在實(shí)際的模糊圖像，由于模糊核函數(shù)的卷積，逐步改變顯示在每個(gè)邊,見圖2(b)。(a) (b)(a) (b)圖2。卷積后的信號:信號線路的條碼圖像,(b)的退化條碼信號。我們可以表示“L”形的x坐標(biāo)儀pat-tern(ISO2006)的左邊緣x0。我們可以知道左邊的像素的灰度值x0v1,右邊,x0v2。"L”形儀附近的信號模式的左邊緣蹊只有x坐標(biāo)(ISO2006)。因此，邊緣附近的信號可以表示為一維形式：b(x)=[V2巧｝U(xx"十祝(3)U(x)是單位階躍函數(shù)(約瑟夫和Pavlidis,1994)。Eq。(2)顯示了高斯模糊函數(shù)是可分：，exp.、1，expV27T(t“L”形儀模式的長度(ISO2006)遠(yuǎn)遠(yuǎn)大于標(biāo)準(zhǔn)差的高斯模糊函數(shù)。因此,“L”形附近的信號儀模式可以簡化為一維高斯退化模型(約瑟夫和Pavlidis,1994):w(x)=b(x)*fio(x).正?；?h0one-dimen-sional高斯模糊函數(shù)可以表示為:從卷積的微分屬性操作(Shellhammeretal.,1999)，信號的一階導(dǎo)數(shù)w(x)從U(x)的定義從U(x)的定義，它是已知的Uf(x海)=8[x飾).在這里,d(x)是狄拉克脈沖函數(shù)。膈倪Xo)*(7(x)=hoM*機(jī)x的財(cái)產(chǎn)意味著Dir-ac脈沖函數(shù)Xo)=ho(X而｝.(S)討(町=[b(x)*如湖'=如x}*『(x)禽}]十妃=如㈤*[(死如。便禽}]十妃(乃=(此口小知的(乃從方程式。(7)、(9),信號的一階導(dǎo)數(shù)2(72(W)⑴)ia/(x)=(V2叫1"hv(xxo)=(追K}2(72(W)⑴)w(x)的二階導(dǎo)數(shù)可以獲得contin-證上面的過程，產(chǎn)生e、 [V2巧卜僅Xo)M(x)= J—— expv2tt(73Eq。(11)顯示，賽00x=x0時(shí)(x)為零。因此，我們可以用二階導(dǎo)數(shù)找到x0。此外,從情商。(10),當(dāng)因此，標(biāo)準(zhǔn)偏差高斯函數(shù)可以根據(jù)以下計(jì)算(12)(7=— □(12)d2篦*(Xo)3。由模糊變清晰的圖像解決Eq。(1)噪聲的影響下一個(gè)不適定的病(岡薩雷斯和森林,2002)。Regularization-based技術(shù)已經(jīng)廣泛的研究來解決這個(gè)問題(酒吧etal.，2006;Mignotte，2006;貝克和Teboulle,2009;廖和Ng,2011;Caietal.,2012),但這些方法需要大computa-tions,低效使用條形碼閱讀器和mo-bile手機(jī)。此外，這些方法不是用于二維條形碼，不能有效地解決這種模糊的病。條形碼是由黑色和白色的模塊，所以條形碼圖像是二元的，即,0或1。在這一約束下，迭代方法適用于雙層圖像去模糊。在每個(gè)迭代中，空間域約束可以有效地整合。增量維納濾波器(鄒和羅爾夫,1995;李etal.,2011)與iter-ative形式。據(jù)報(bào)道，有一個(gè)更好的恢復(fù)比維納濾波器性能。增量維納濾波與對象域約束一起使用,可以提高恢復(fù)后的圖像質(zhì)量。然而，增量維納fil-ter需要知道噪聲的功率譜。很難有效sup-press噪聲。在這里，我們設(shè)計(jì)一個(gè)快速迭代去模糊算法基于約束最小二乘濾波器(亨特,1973)我們可以表達(dá)Eq。(1)向量矩陣形式(岡薩雷斯和森林,2002):g=Hf+n (13)

約束最小二乘濾波器,選擇一個(gè)矩陣Q實(shí)施一定程度的恢復(fù)圖像平滑。在一般，讓問與高通濾波卷積濾波歌劇-氣比如拉普拉斯算子。讓f是一個(gè)評估解決方案的Eq。(13)。因此，什么是想要的是找到的最低標(biāo)準(zhǔn)功能受悅件限制臘-=版問題可以設(shè)置為目標(biāo)函數(shù)的最小化(岡薩雷斯和森林,2002):W(f)=||Qf||2+>l(||gHfll2||嶼) (14)空也=2QQf2^(SHf)=0.俄空也=2QQf2^(SHf)=0.俄(15)(順解決了八f產(chǎn)量HE十！頻域規(guī)范戶皿町= 冬匹業(yè) G皿皿 (17}c=1/c?，F(xiàn)在，我們修改的約束最小二乘濾波器迭代形式。在每個(gè)迭代中,空間域約束可以有效地整合以提高圖像質(zhì)量。在本文中，我們稱之為增量約束最小二乘濾波器(icl)。在增量約束最小二乘濾波中,我們使用數(shù)組作為一個(gè)錯誤US}5皿V)=C(mv)F(m町H(mv),US}在G(u),觀察圖像的頻率f皿訓(xùn)恢復(fù)圖像的頻率，和H(u,v)的頻率已idW磯—模糊核函數(shù)。數(shù)組的初始估計(jì)褶皺多孤離子鍍錯誤5質(zhì)皿V}=G皿V}Elm皿町H皿V}. (19)fc-■>我們希望找到一個(gè)新的估計(jì)％頃^幻減少歸皿〃川。 結(jié)合方程式。(17)和(19),我們得到的e⑶仍 |H皿圳生認(rèn)比仍 目叮呢閉皿町grnewV\= 5 7H % 虧， [￡W時(shí)皿眇I2■十y|QW町K|H皿舛F十y|Q(叫^}|2其近似恥刑皿V)=皿町十”皿(21)給新的錯誤數(shù)組

5眼mv)=G皿v)戶球皿v]=G皿v) F如皿幻十3，/仁，臼H皿V}L |H皿州十>|。(比吵|」?！窰*(uf5碩(叫幻、=5質(zhì)M町 \ 2H叫幻= 性皿以「——5州皿辦 (22)因?yàn)閨H皿叼『m。和？|Q皿圳』aq我們立即IIW^1^H2<H5m!(uj)|K(23)因此,每個(gè)迭代數(shù)組ICLS的過濾器可以減少錯誤。Y的價(jià)值有一個(gè)微妙的影響迭代過程。如果y的值大，該解決方案將成為平穩(wěn)和噪聲容忍度將得到改善。然而,y值太大可以增加迭代的數(shù)量。另一方面,y的值太小會導(dǎo)致一個(gè)不穩(wěn)定的過程，和估計(jì)的外表將不平滑的。在我們的經(jīng)驗(yàn)中,我們可以設(shè)置廠。1項(xiàng)m叫%、匕 (24)‘ ,Jmax(|Q(“i幻|} 'JB2Wiw(25)icl的方法已經(jīng)被設(shè)計(jì)為一個(gè)迭代形式。逆傅里葉變換后，空間域約束可以有效地整合。條形碼由黑色和白色廣場模塊，所以它的直方圖是雙模。像素的黑色模塊形成一個(gè)高峰?；叶戎礏1,B2。白色的像素模塊形式的第二個(gè)高峰，灰度值W1可2。雙模直方圖,很容易得到最優(yōu)閾值t.我們可以使用以下約束在空間域B2Wiw(25)T<f(xiy)<W1lf(^y)>W2.(26}我們定義的運(yùn)動誤差數(shù)組在Eq。(18)(26}11- 心皿現(xiàn)在Si(u,v)和Si+1(u,v)錯誤后數(shù)組i和(i+1)迭代icl的過濾器。每一次迭代后,我們計(jì)算Ei(u,v)。如果Ei(u,v)<e,我們停止迭代。一般來說，可以設(shè)置為0.05。我們算法的完整框架總結(jié)如下：算法對二維條碼圖像去模糊算法G(《v).(1)G(《v).Ed(M叫)=(2)計(jì)算新的估計(jì)：5脈V}=G皿V}凡皿町V)；Fe皿V}=珀比臥十建|H(u/}|￡十y|Q皿町「;⑶mpute錯誤的運(yùn)動數(shù)組扇”"'。如果成叩)<&停止迭代(4)添加在空間域雙層約束：九+1(用力=IFFT(Fn+i(叫V))；膈13/)更新 隊(duì)和Eq(x,y)。(25)，轉(zhuǎn)到步驟24。實(shí)驗(yàn)結(jié)果和比較在本節(jié)中，我們算法的去模糊性能驗(yàn)證模擬模糊圖像和真實(shí)圖像模糊。模擬模糊圖像，原始圖像是模糊的模糊內(nèi)核然后添加劑添加高斯噪聲。真正的模糊圖像,我們使用一個(gè)商業(yè)手持移動條形碼閱讀器來收集數(shù)據(jù)。anoddnumberW havw*noddnumberoffowihavunnoddnumborofrows(d) (e) (f)圖3。原始圖像去模糊結(jié)果:(a)(b)噪聲和模糊圖像,(c)1次迭代后的結(jié)果,(d)3迭代后的結(jié)果,(e)5迭代后的結(jié)果,(f)7迭代后的結(jié)果4.1。迭代的數(shù)量和計(jì)算時(shí)間圖3(一個(gè))是原始干凈數(shù)據(jù)矩陣條碼圖像。高斯模糊圖像模糊的內(nèi)核與rb=W,其中W是模塊的寬度(ISO2006)。然后加性高斯噪聲標(biāo)準(zhǔn)差rn=4是補(bǔ)充道。圖3(b)是吵鬧的和模糊的圖像。然后，本文的算法進(jìn)行了模糊的條碼圖像。產(chǎn)生的圖像后,1日3日,5日和7日迭代顯示在圖3(