近年来随着印刷技术的发展,商品标签的种类越来越多,其中全息衍射标签由于色彩绚丽、具有立体感,受到很多厂商的青睐。同时,随着智能手机的快速普及,使用手机进行图像识别的需求越来越大。目前针对全息衍射标签智能手机识别的研究较少。全息衍射标签由于其物理特性,使得传统的图像识别算法无法成功应用在全息衍射标签中。本文对全息衍射标签的识别算法进行研究。主要工作如下:(1)基于特征匹配的方法,提出 了扩展SIFT(Scale-invariant Feature Transform)特征的全息衍射标签识别算法。针对全息衍射标签的光变特性,本文将SIFT算法进行改进,构建了多光照样本空间,得到了对于光照变化较为鲁棒的特征。然后借鉴高斯拉普拉斯(Laplace of Gaussian,LoG)的思想,提出一种特征点筛选策略。最后使用K近邻算法进行特征分类。实验结果表明,算法对于全息衍射标签的识别具有较高的准确率,并且对于常见的几何攻击有较好的鲁棒性。(2)基于全息衍射标签的物理原理,设计了一种带特征码的特殊全息标签,并提出相应的特征码识别算法。本文设计的全息衍射标签把类别信息隐藏在标签中,主要步骤如下:首先,提出了一种带结构的特征码编码方案,将类别信息转化为二进制bit流;然后,根据二进制信息设计相应的特征块,使用圆形排列方式,保证每个特征块受光均匀;最后,将二进制比特流表示为衍射光的亮暗信息(1表示亮,0表示暗),制成全息衍射标签。在特征码提取阶段,使用磁盘CHS(Cylinder,Head,Sector)寻址的思想,提出了基于圆形模板的特征码提取算法。实验表明算法具有较高的识别精度,满足智能手机识别的不同场景需求。(3)为了保持原始样本的时空特性,本文提出了融合双张量的全息衍射标签识别算法。首先,使用样本的HSV(Hue,Saturation,Value)张量和HOG(Histogram of Oriented Gradient)张量分别表示颜色信息和梯度信息;然后,通过张量分解得到双张量的分解矩阵;最后,利用典型相关分析计算不同分解矩阵之间的相似性。本文设计了一种分解矩阵相似性融合策略,在PCA(Principal Component Analysis)子空间中对分解矩阵进行分类,通过实验验证了融合策略的有效性。双张量识别算法由于对不同张量的识别能力进行了互补,因此对于全息衍射标签具有较好的识别性能。