基于 ELM 的多结构变形Q R码分类校正研究

摘要：

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。

关键词：QR码多结构变形、极限学习机、分类校正

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金资助项目2015XS17

在线出版日期：2016-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：3517-3520