目前,国内彩码的研究应用尚处于起步阶段。彩码作为一种新型识别码相比于传统二维码,能够较好地实现远距离、多码批量识别等功能。手机、智能监视系统等目标检测设备,往往需要高质量的图像和视频才能实现彩码识别。然而,图片和视频在弱光等不良光照条件下,其亮度和对比度明显下降,从而影响彩码的正常识别,并且彩码图像是基于红、绿、蓝三原色色块构建,导致彩码图像的识别对亮度和对比度会有更高的要求。因此,通过图像增强等方法对彩码进行弱光照预处理是非常重要的。针对如何增强彩码图像,本文展开了以下工作研究:1.结合高斯滤波与轮廓检测算法对现有的彩码识别算法进行改进研究。在对相关文献提出的彩码生成方案研究的基础上,通过实验发现不良光照对彩码识别效率和准确性所产生的影响。2.分别通过全局直方图均衡化算法、基于Retinex理论的MSR图像增强算法、大津阈值法结合信息熵迭代算法等对低光彩码图像进行增强实验,以验证这些算法在不同环境下的低光彩码图像进行增强处理的有效性。3.为解决上述实验中发现的问题,提出了一种基于卷积神经网络的低光彩码图像增强算法。深度学习算法在弱光图像识别方面有其独特性。相比于传统算法具有更高的模型复杂度来达到彩码识别高准确度要求。因此,将深度学习中的卷积神经网络应用在彩码的弱光图像增强上。主要步骤是通过卷积神经网络预测低光彩码图像的光照图像,再通过Retinex模型获取增强后的彩码图像。最终实验结果表明:该方法不仅能对不同低光程度的彩码图像有针对性的增强,也能较好地避免彩码图像色彩的失真。