团队进步算法在快速响应码识别中的应用

doi:10.3778/j.issn.1002-8331.2010.25.050

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (25): 171-173.DOI: 10.3778/j.issn.1002-8331.2010.25.050

• 图形、图像、模式识别 • 上一篇下一篇

团队进步算法在快速响应码识别中的应用

包怡，高美凤

江南大学通信与控制工程学院，江苏无锡 214122

收稿日期:2009-02-18 修回日期:2009-04-22 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 包怡

Team progress algorithm used in recognition of quick response code

BAO Yi，GAO Mei-feng

College of Communication and Control Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2009-02-18 Revised:2009-04-22 Online:2010-09-01 Published:2010-09-01
Contact: BAO Yi

摘要/Abstract

摘要： 针对QR码在采集过程中易发生寻像图形受污染的情况，首先改进了QR码的识别模式模型，接着将团队进步算法用于QR码基元识别，该算法通过将优化变量分成普通组和精英组，经过学习、探索等运算，合理地更新成员，最终可搜寻得到最优解，将QR码从图像中提取出来。实验证明，该方法简单有效，可用于拓宽QR码的使用范围。

关键词: QR码, 图像识别, 团队进步, 全局优化

Abstract: A new algorithm to extract QR code while position detection pattern is contaminated in acquisition is presented.Firstly，an improved model for QR code pattern recognition is given，and then the Team Progress Algorithm（TPA） is employed in QR code pattern recognition.The TPA divides team members into elite and plain groups.The optimization can be got after the action of learning，exploring and member renewal rules.It is showed by experiments that the method is simple and effective，which can be used to improve QR code recognition precision rate.

Key words: QR code, image identifying, team progress, global optimization

中图分类号:

TP391.4

包怡，高美凤. 团队进步算法在快速响应码识别中的应用[J]. 计算机工程与应用, 2010, 46(25): 171-173.

BAO Yi，GAO Mei-feng. Team progress algorithm used in recognition of quick response code[J]. Computer Engineering and Applications, 2010, 46(25): 171-173.

[1]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[2]	贺文亮，朱敏玲. 胶囊神经网络研究现状与未来的浅析[J]. 计算机工程与应用, 2021, 57(3): 33-43.
[3]	黄英来，艾昕. 改进残差网络在玉米叶片病害图像的分类研究[J]. 计算机工程与应用, 2021, 57(23): 178-184.
[4]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[5]	黄英来，温馨，任洪娥，王佳琪. 深度迁移学习在古筝品质分级中的应用[J]. 计算机工程与应用, 2021, 57(10): 218-224.
[6]	刘虹，王烈. 结合余弦相关性的卷积网络识别汉字的方法[J]. 计算机工程与应用, 2020, 56(8): 130-135.
[7]	曹晓航，汪立新，束学渊. 基于小波不变矩的雷达辐射源信号识别[J]. 计算机工程与应用, 2020, 56(19): 269-272.
[8]	李鑫，焦斌，林蔚天. 基于条件信息卷积生成对抗网络的图像识别[J]. 计算机工程与应用, 2020, 56(14): 191-198.
[9]	苗开超，周建平，陶鹏，刘承晓，姚叶青. 自适应混合卷积神经网络的雾图能见度识别[J]. 计算机工程与应用, 2020, 56(10): 205-212.
[10]	方建文，黄钢，曹文明. 笔触风格化技术研究综述[J]. 计算机工程与应用, 2019, 55(9): 33-37.
[11]	袁嘉杰，张灵，陈云华. 基于注意力卷积模块的深度神经网络图像识别[J]. 计算机工程与应用, 2019, 55(8): 9-16.
[12]	张锡英，宋宇鹏，陈曦，边继龙. 融合STN和DenseNet的深度学习网络及其应用[J]. 计算机工程与应用, 2019, 55(17): 131-136.
[13]	郑远攀1，2，李广阳1，李晔1. 深度学习在图像识别中的应用研究综述[J]. 计算机工程与应用, 2019, 55(12): 20-36.
[14]	连玮. 采用树表示的全局最优形状匹配算法[J]. 计算机工程与应用, 2019, 55(1): 217-225.
[15]	袁明新1，2，张丽民1，2，朱友帅1，姜烽1，江亚峰2. 联合中间层的深度卷积神经网络模型[J]. 计算机工程与应用, 2018, 54(20): 139-144.

团队进步算法在快速响应码识别中的应用

Team progress algorithm used in recognition of quick response code

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics