文献综述（或调研报告）：
QR码[Denso Wave Inc.2010]是一个非常热门的矩阵码（二维码），正在越来越多的智能手机用户之间普及。二维码本身或相似的矩阵码(Aztec, DataMatrix, etc.)已经在很多行业被用作携带大量现实世界信息的产物。这些矩阵码设计是在图片的重要部分和没有变形的透视投影的情况下被识别。然而人们更希望在现实的高分辨率图像中能够识别他们，这其中可能包括被旋转、透视变形和其他方式的失真。
当一个QR码出现在图片中时，识别起来还是比较容易的，也有很多人解决过这样的方案[Alfthan 2008],[Herout et al.2012]。但是在复杂场景中，例如一个以上的QR码被透视和旋转处理，检测和识别码的过程就是不同的了。Alfthan[2008]指出，检测矩阵码基本上有两步算法处理，第一是先在高分辨率的图像中检测到QR码，第二是对被检测到的子图像进行单个的识别。
有很多种方法进行整个图片的二维码识别技术。例如通过使用纹理分析技术（[Hu et al.2009]），利用形态学算子（[Arnould et al.1999]）和其他技术。这些方法大多是计算非常苛刻（通常会利用Canny边缘检测器，通过一个形态学算子，通过大核卷积和一些类似的技术）。还有一种基于方向直方图梯度（HOG）[Dalal and Triggs 2005]和基于HOG的分割图像的方法。这种方案计算非常有效，只需有一小部分的图像像素就能够在高像素图片中检测到QR码。
首先来介绍一下QR码的基本识别特征。
QR码可以通过被预定义在其三个主要角落的图形（FPI）来定位。已经有很多力求与加快和提高检测QR码的方法利用FPI。Ohbuchi et al.[2004]用扫描线在预处理图像中找到FIP，然后利用逆透视变换还原二维码以提取其中的信息。Sun et al.[2007]也用了一种相似的方法，在定位FPI时运用了Canny边缘检测器和方形轮廓寻找器。
除此之外，外界的环境因素也对二维码的识别产生影响，例如在不同照明和摄像设备情况下正确的阈值选择对图像进行二值化处理从而找到FPI等。Liu et al[2008]运用多层次阈值处理不同光照环境下的QR码检测。
根据QR码和矩阵码的一些形状特征，也有很多利用Hough变换的研究用于矩阵码或条形码的检测与定位。Muniz et al.[1999]提出了一种使用Hough变化解码条形码的方法。Wang and Zou [2006]利用Hough变换定位二维码的四个角区域和二阶导数结合bidirectional centripetal runlength解码。Parikh and Jancke [2008]也使用Hough变换，通过和自适应阈值和纹理分析来定位正确的二维码位置并进行解码。
由于矩阵码（包括QR码）拥有非常特殊的纹理特征，因此二维码的定位问题和基于纹理特征的图像分割然后选择一个所需部分的问题有点类似。基于纹理的分割方法有纹理描述符，如局部二值模式（Local Binary Patterns）[Ojala and Pietikauml;inen 1999],Gabor特征[Weldon et al. 1996]和马尔科夫随机场统计（Markov random field statistic）[Haindl and Mikes 2005]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
