目前油田的物资管理工作,基本依靠物资管理系统,而物资管理系统中最重要的环节就是条形码扫描功能。由于天气以及油田现场环境等因素,严重影响了条形码扫描的速度以及准确率,导致物资管理工作效率低下。尤其在工具量较大的情况下,经常会严重影响工具的流通,从而造成企业的损失。为此本论文基于模式识别技术改进条形码识别技术,分析并解决了条形码图像由于倾斜、噪声、脏污而不能识别的问题。经仿真与实际测试,该设计可以有效改进条形码识别技术,使油田物资管理工作更加高效化、自动化。本文的主要研究内容包括:(1)基于Hough变换的图像倾斜校正:针对扫描到的倾斜条形码图像,本文采用基于Hough变换的图像倾斜校正方法,可以解决由于图像倾斜而导致条形码不能识别的问题。(2)基于支持向量机改进中值滤波算法:针对条形码图像的噪声问题,本文首先采用中值滤波算法处理条形码图像。通过采用中值滤波算法处理条形码图像,可以去除条形码图像上面的黑白孤立噪声点。然后针对中值滤波算法的优缺点、支持向量机的图像滤波去噪算法优缺点以及椒盐噪声的特征,本文采取基于支持向量机的方法需要改进中值滤波算法。仿真实验证明本文提出的算法可以更有效地消除椒盐噪声,并且处理结果具有较高的SNR。(3)基于自适应阈值选取的Ostu算法:本文首先采用Ostu算法以及Bernsen算法处理图像。根据油田现场的实际情况,以及比较这两种算法的处理效果与运行时间,本文选用Ostu算法处理条形码图像。然后针对Ostu算法的运行时间不能满足油田现场物资管理工作所需,对Ostu算法进行改进。本文采用自适应阈值选取的方法改进Ostu算法,改进效果分析表明改进后的算法可以加快处理时间,提高工作效率。