10.3969/j.issn.1001--3695.2016.11.070
基于 ELM 的多结构变形Q R码分类校正研究
针对不同曲面上QR码变形多样化、识别率低的问题,考虑到极限学习机(ELM)对大量数据的快速分类能力,提出了一种基于ELM的多结构变形QR码分类校正算法。在欧氏距离量化变形特征后,运用ELM算法把变形结构分为平面变形、半曲面变形和全曲面变形三类,并利用不同分类系数改进QR码坐标透视变换算法,得到校正坐标值。实验结果表明,此方法不仅提高了QR码在曲面上的校正准确率,而且通过分类提高了曲面变形和平面变形QR码的校正速度。
QR码多结构变形、极限学习机、分类校正
33
TP391(计算技术、计算机技术)
中央高校基本科研业务费专项资金资助项目2015XS17
2016-11-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
3517-3520