автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Повышение качества автоматической демодуляции линейных многоширинных штриховых кодов путем устранения влияния шумов и расфокусировки

005006287

Михайлов Игорь Игоревич

ПОВЫШЕНИЕ КАЧЕСТВА АВТОМАТИЧЕСКОЙ ДЕМОДУЛЯЦИИ

ЛИНЕЙНЫХ МНОГОШИРИННЫХ ШТРИХОВЫХ КОДОВ ПУТЕМ УСТРАНЕНИЯ ВЛИЯНИЯ ШУМОВ И РАСФОКУСИРОВКИ

Специальность: 05.13.06 — Автоматизация и управление технологическими процессами и производствами (в приборостроении)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

1 5 ЛЕК 2011

Москва-2011

005006287

Работа выполнена на кафедре «Систем автоматического управления и контроля в микроэлектронике» Национального исследовательского университета «МИЭТ».

Научный руководитель: кандидат технических наук, доцент,

Таран Валентин Анатольевич

Официальные оппоненты: доктор технических наук, профессор

Лисов Олег Иванович

в /_^:_^>'часов в ауд. 3103 на заседании диссертационного совета Д212.134.04 при Национальном исследовательском университете «МИЭТ» по адресу: 124498 Москва, Зеленоград, проезд 4806, д.5, МИЭТ.

С диссертацией можно ознакомиться в библиотеке МИЭТ.

кандидат технических наук, доцент Гришин Михаил Петрович

Ведущая организация: ОАО «Научно-исследовательский

институт точного машиностроения», г. Москва, Зеленоград

Защита диссертации состоится

Ученый секретарь диссертационногс доктор технических наук, профессор

Автореферат разослан

А.И. Погалов

ОБЩАЯ ХАРАКТЕРИСТКА РАБОТЫ

Актуальность темы диссертации. Применение штриховых кодов позволяет резко поднять производительность ввода данных в системах обработки информации, связанных с широким кругом задач в области автоматизации производства, документооборота и товарооборота, идентификацией личности, мобильными приложениями.

Проблемой обработки изображений штриховых кодов, занимается множество фирм по всему миру ("Aspóse", "Axtel", "BarcodeLib", "DTK Software", "IDAutomation", "InLite", "Labelspirit", "LeadTools", "Morovia", "EymBarcode", "OmniPlanar", "Pegasus Imaging", "PrecisionID", "QualitySoft", "Softek"), в том числе и в России («Barcode Vision», «НПЦ «Интелком»), постоянно обновляя алгоритмы своих программных продуктов.

Широкое распространение получило семейство линейных штриховых кодов: Code39, Industrial ITF, 2 of 5, Codabar, EAN-8, EAN-13, Codel28. Наиболее яркими представителями, среди них, являются многоширинные коды: EAN-13, Codel28. Последний позволяет кодировать 128 знаков ASCII, 4 функциональных знака, 4 знака выбора кодового набора, 3 стартовых знака и столовый знак. При этом длина кода ограничивается только его физическими размерами.

Для обеспечения высокого качества считывания штриховых кодов применяются дорогостоящие лазерные сканеры с прецизионной технологией изготовления. С другой стороны, в настоящее время для считывания штриховых кодов широкое распространение получили матричные фотоприемные устройства (МФПУ). К недостаткам считывающей аппаратуры на основе МФПУ можно отнести шумы матрицы, аберрации оптической системы и конечное время автоматической фокусировки на объект. Устранение перечисленных недостатков конструктивными методами приводит к существенному удорожанию оборудования, что неприемлемо при его массовом использовании. В связи с этим, основная задача по обеспечению высокого качества считывания штриховых кодов перекладывается на программное обеспечение (ПО). При этом следует учитывать специфику изображений штриховых кодов, в частности, для линейных многоширинных штриховых кодов - необходимость определения границ элементов с допустимой погрешностью. В виду того, что многоширинные коды имеют четыре градации ширин элементов, то при значительных искажениях существует вероятность неправильного

определения границы элемента и, как следствие, неверного декодирования буквы кода.

Задача определения границ элементов решается на этапе демодуляции - процессе преобразования темных и светлых элементов изображения штрихового кода в элементы букв кода, выраженные в модулях.

Данная работа направлена на повышение качества автоматической демодуляции линейных многоширинных штриховых кодов при наличии искажений, вносимых считывающей аппаратурой: шума и расфокусировки.

В области обработки изображений штриховых кодов следует отметить работы отечественных ученых - С.Ю. Желтова, Ю.В. Визильтера, С.И. Ортюкова, Ю.И. Буряка, Б.С. Алешина, A.A. Краснобаева, а так же работы зарубежных авторов - Р. Палмера, А. Тропфа, Д. Шаи, С. Аронольда, Дж.Д. Аукока, Р. Томаса, Конгкиао Ванга, Хао Ванга, Ву Ксин-шенга, М. Куроки, Т. Йонеока, Т. Сатоу, Ю. Такажи, Т. Китамура, Р.Шамса, П. Садехи, Г.Беркетга, Г. Фрэйзера, ЮЛиу, Шу-ДженЛю, Чжи Лю.

Однако, вопросы автоматической демодуляции линейных многоширинных штриховых кодов в условиях сильных искажений, отражены в этих работах фрагментарно.

Настоящая работа предполагает разработку методики автоматической демодуляции линейных многоширинных штриховых кодов, последовательно устраняющую влияние шумов и расфокусировки изображений кодов, выявляющую ложные элементы и уточняющую границы элементов кодов, на основе критериев качества, предложенных с учетом специфики изображений линейных штриховых кодов, что представляет собой актуальную научно-техническую задачу, имеющую важное практическое значение.

Основной целью работы является разработка и исследование методов повышения качества автоматической демодуляции линейных многоширинных штриховых кодов при наличии сильных искажений вызываемых аппаратной частью: шумов и расфокусировки.

Поставленная цель достигается путем решения следующих основных задач, учитывающих специфику линейного многоширинного штрихового кода:

1. Исследование методов линейной и нелинейной фильтрации,

направленных на подавление шумов, выбор алгоритма и определение

его параметров на основе разработанного критерия качества.

2. Разработка метода автоматической оценки степени расфокусировки изображений линейных штриховых кодов с различным модулем.

3. Исследование методов коррекции и восстановления расфокусированных изображений и выбор алгоритма подавления расфокусировки на основе разработанного показателя качества.

4. Разработка алгоритма адаптивной пороговой обработки с целью уточнения границ элементов кода.

5. Экспериментальная проверка выбранной методики автоматической демодуляции на искусственной базе изображений, созданной на основе тестовой модели штрихового кода с искажениями в заданном диапазоне, и базе изображений штриховых кодов, полученных в реальных условиях (экспериментальной базе). Методы исследования основаны на положениях теории цифровой

обработки изображений, математической статистики, в частности -регрессионном и корреляционном анализе, теории планирования многофакторных экспериментов. Для практической реализации алгоритмов применялись методы объектно-ориентированного программирования на языке С++ и моделирование в системе МаЛаЬ.

Достоверность полученных научных результатов подтверждается сопоставлением полученных результатов с научными данными, известными из отечественной и зарубежной литературы, методами компьютерного моделирования, а так же экспериментальными результатами демодуляции линейных многоширинных штриховых кодов, изображения которых получены с использованием считывающей аппаратуры.

Научная новизна работы:

1. Предложена модель автоматической оценки коэффициента нерезкости изображения линейного штрихового кода.

2. Предложен и исследован модифицированный восстанавливающий фильтр на основе масок и, с использованием введенного показателя качества, определены границы его применения для расфокусированных изображений линейных многоширинных штриховых кодов.

3. Предложен алгоритм адаптивного поиска границ элементов линейного многоширинного штрихового кода. Установлено, что алгоритм устраняет ложные перепады яркости и определяет границы элементов с субпиксельной точностью.

4. Разработана методика автоматической демодуляции линейных многоширинных штриховых кодов, включающая:

• ранговую фильтрацию, обеспечивающую улучшение качества считывания при подавлении шума на изображениях штриховых кодов;

• автоматическую оценку коэффициента нерезкости на профиле расфокусированного изображения штрихового кода;

• фильтрацию на основе масок, восстанавливающую элементы профиля расфокусированного изображения штрихового кода;

• адаптивную пороговую обработку профиля штрихового кода, уточняющую границы элементов кода.

Практическая значимость работы:

1. На основе предложенной модифицированной оценки контраста, определены значения пороговых коэффициентов рангового фильтра, позволяющие проводить автоматическую демодуляцию линейных штриховых кодов без предварительной оценки параметров шума на изображении.

2. Предложен метод автоматической оценки коэффициента нерезкости изображений линейных штриховых кодов с различным модулем.

3. На языке С++, на основе предложенной в диссертации методики, разработан модуль для автоматической демодуляции изображений линейных многоширинных штриховых кодов с сильными искажениями. Использование модуля демодуляции в составе ПО «Barcode Vision» обеспечивает:

• считывание кодов искусственной базы при среднеквадратичном отклонении шума i>max = 200 и коэффициенте нерезкости crmax =3,1;

• процент считанных кодов экспериментальной базы - 68%.

В сравнении с лучшими показателями ПО рассмотренных фирм максимальные значения параметров искажений, при которых происходит считывание кодов, возросли в 1,5 раза, процент считанных кодов повысился на 14%. Личный вклад автора:

Все результаты получены автором лично. Главными из них являются:

1. Определение значений пороговых коэффициентов нелинейного рангового фильтра на основе модифицированной оценки контраста изображения линейного штрихового кода, искаженного шумом.

2. Разработка метода автоматической оценки коэффициента нерезкости изображения линейного штрихового кода.

3. Получение восстанавливающих масок, с использованием введенного показателя качества, и определение границ их

применения для расфокусированных изображений линейных многоширинных штриховых кодов.

4. Разработка алгоритма адаптивной пороговой обработки профиля линейного многоширинного штрихового кода, направленного на устранение ложных перепадов яркости и определение границ элементов с субпиксельной точностью.

5. Результаты экспериментов, полученные с использованием искусственной и экспериментальной базы изображений линейных многоширинных штриховых кодов.

На защиту выносится:

1. Метод автоматической оценки коэффициента нерезкости изображения линейного штрихового кода.

2. Модифицированный фильтр на основе масок для восстановления расфокусированного изображения линейного многоширинного штрихового кода.

3. Алгоритм адаптивной пороговой обработки профиля линейного многоширинного штрихового кода, обеспечивающий поиск границ элементов с субпиксельной точностью.

4. Методика автоматической демодуляции линейных многоширинных штриховых кодов и результаты, доказывающие преимущества ее использования, полученные на искусственной базе изображений, созданной на основе тестовой модели штрихового кода с искажениями в заданном диапазоне, и экспериментальной базе изображений штриховых кодов, полученных в реальных условиях. Апробация результатов работы

Результаты работы обсуждались на следующих научно-технических

конференциях:

1. Одиннадцатой-семнадцатой всероссийской межвузовской научно-технической конференциях студентов и аспирантов «Микроэлектроника и информатика» - Москва, МИЭТ, 2004— 2010 гг.

2. VIII-th International Scientific and Technical Conference: «Interactive Systems: Problems of Human-Computer Interaction» - Russia, Ulyanovsk, USTU, 2009.

3. Конференции молодых ученых и специалистов Московского отделения Международной общественной организации «Академия навигации и управления движением» - Москва, ЦНИИАГ, 2009г.

4. Всероссийской конференции с элементами научной школы для молодежи "Проведение научных исследований в области

обработки, хранения, передачи и защиты информации"- Ульяновск, УлГТУ, 2009 г.

5. Всероссийской научно-технической конференции аспирантов, студентов и молодых ученых "Информатика и вычислительная техника" (ИВТ-2010) - Ульяновск, УлГТУ, 2010 г.

6. Международной научно-практической конференции "Проблемы подготовки специалистов для гражданской авиации и повышения эффективности работы воздушного транспорта" - Ульяновск, УВАУ ГА, 2010 г.

7. Юбилейной всероссийской научно-технической конференции «Моделирование авиационных систем» - Москва, 2011 г.

8. XVII Международной научно-практической конференции студентов и молодых ученых «Современные техника и технологии» (СТТ-2011). - Томск, НИТПУ, 2011 г.

Реализация результатов работы

Результаты работы реализованы в модуле демодуляции линейных многоширинных штриховых кодов программного обеспечения чтения штриховых кодов, что подтверждено соответствующим актом о внедрении ФГУП ГосНИИАС.

Отдельные результаты диссертационной работы внедрены в учебный процесс МИЭТ в рамках дисциплины «Моделирование систем», что подтверждается соответствующим актом внедрения. Публикации

По теме диссертации опубликованы 17 научных работ, из них: 1 статья в журнале, рекомендованном ВАК (сб. «Вопросы оборонной техники»), 3 статьи (одна в печати), 2 доклада в сборниках международных конференций, 2 доклада в сборниках научных трудов Всероссийских конференций, 8 тезисов в сборниках Всероссийских и международной конференциях, методические указания МИЭТ по курсу «Моделирование систем: Планирование эксперимента».

Структура и объем диссертации. Диссертационная работа состоит из введения, пяти глав, заключения, библиографии и приложений. Содержит-126 страниц основного текста, 51 рисунок, 22 таблицы и 127 библиографических ссылок.

В основном тексте приведены результаты работы и их обоснование, программная реализация методики автоматической демодуляции и отдельных алгоритмов вынесены в приложения.

Содержание диссертации

Введение содержит обоснование актуальности выбранной темы, формулировку цели и задач исследования, определяет содержание и методы выполнения работы, а так же основные положения, выносимые на защиту.

В первой главе рассмотрены используемые в настоящей работе термины и определения штрихового кодирования, установленные международными и государственными стандартами Российской Федерации. В основе представления информации с помощью штриховых кодов лежит двоичная система исчисления, как правило, ставящая в соответствие модулю черного цвета логическую «1», модулю белого цвета - логический «О». Такой способ представления информации существенно сокращает ошибки, возникающие при описании объектов.

Детально рассмотрены области применения технологии штрихового кодирования. Выявлены искажения, вносимые считывающим оборудованием, связанные с шумами и расфокусировкой изображений штриховых кодов.

На основе исследования особенностей изображений линейных многоширинных штриховых кодов разработана тестовая модель Сос1е128 с модулем тоЛ= 3 пикселя и закодированной последовательностью: 33 34 37 64 21 13 61 35 60 82 62 (рис. 1), которая предусматривает все возможные сочетания ширин черных и белых элементов кода, для обеспечения их максимального взаимного влияния в условиях искажений.

Рис. 1. Тестовая модель линейного многоширинного штрихового кода Сос1е128 с закодированной последовательностью: 33 34 37 64 21 13 61 35 60 82 62

С целью исследования возможностей демодуляции штриховых кодов с использованием ПО отечественных и зарубежных фирм была создана искусственная база кодов на основе тестовой модели Сос1е128, с искажениями.

В качестве моделей искажений (шума и расфокусировки) использованы:

I I

3334376421136135608262

- гауссов белый шум, характеризуемый плотностью вероятностей Р{1) случайной величины яркости Г.

/г

где I - значение яркости;

Ь - среднеквадратичное отклонение (СКО) шума, Ъ = 0 + 200. - гауссов фильтр низких частот (ГФНЧ) И(п):

И(п) = е, (2)

где п - номер отсчета;

о - коэффициент нерезкости, определяющий степень расфокусировки профиля, о = 0 + 3,5.

Профиль представляет собой изменение яркости вдоль пути поперечного сканирования штрихового кода.

Отметим, что шум является аддитивным с нулевым средним значением яркости. Расфокусировка моделируется путем применения линейной свертки исходного профиля с искажающей функцией (2).

Исследование работы алгоритмов демодуляции с использованием искусственной базы кодов, с известными параметрами искажений, выявило существенный разброс в качестве работы рассматриваемых алгоритмов ПО различных фирм.

Результаты работы рассмотренных алгоритмов демодуляции представлены в виде кривых демодуляции (рис. 2). Кривой демодуляции назовем границу множества пар значений ¿ист, при которых вероятность ошибки считывания равна 0,1. Кривые демодуляции получены с доверительной вероятностью 0,9, при доверительном интервале Ь = ±5 единиц.

Для оценки работы алгоритмов автоматической демодуляции выбран мультипликативный критерий: обобщенный показатель качества демодуляции (ОПКД), представляющий собой произведение площади 5 под кривой демодуляции и максимально достижимых при демодуляции значений СКО шума Ьтзх и коэффициента нерезкости атах.

В таблице 1 приведены результаты анализа качества демодуляции отечественных и зарубежных фирм. По предлагаемому критерию ОПКД качество работы алгоритма демодуляции НПЦ «Интелком» существенно превосходит ПО конкурентов, что показывает актуальность задачи: повышение качества автоматической демодуляции линейных штриховых кодов путем устранения влияния шумов и расфокусировки.

Коэффициент нерезкости

Рис. 2. Результаты тестирования ПО фирм «НПЦ «Интелком», «DTK Software», «Axte», «Barcode Vision», «QualitySoft», «Softek» на искуственной базе штриховых кодов

Таблица 1

Результаты анализа работы алгоритмов демодуляции на искусственной базе штриховых кодов

Фирма ^ S ^max ^max ОПКД

НПЦ «Интелком» 149,00 135 1,8 36 207

«DTK Software» 102,25 80 2,0 16 360

«Axtel» 72,75 60 2,0 8 730

«Barcode Vision» 55,25 55 1,7 5 166

«QualitySoft» 41,5 35 1,6 2 324

«Softek» 11,75 25 1,1 323

С целью обеспечения высокого качества демодуляции линейных многоширинных штриховых кодов, с учетом недостатков считывающей аппаратуры и свойств изображения кода, на основе анализа

литературных источников и проведенных исследований возможностей декодирования штриховых кодов с использованием ПО отечественных и зарубежных фирм, выдвинут ряд требований к составу ПО.

В состав ПО должны быть включены алгоритмы, направленные на: подавление шумов на изображении;

- формирование профиля;

- автоматическую оценку степени расфокусировки профиля;

- подавление расфокусировки профиля;

- поиск границ элементов кода с субпиксельной точностью с использованием пороговой обработки;

- представление ширин элементов в модулях.

Блок-схема предлагаемой автоматической демодуляции линейных многоширинных штриховых кодов представлена на рис. 3.

Изображение линейного многоширинного штрихового кода

Дешифрация

Рис. 3. Блок-схема автоматической демодуляции линейного многоширинного штрихового кода

Во второй главе проведен анализ шумов МФПУ. Рассмотрен подход к аппроксимации шума последовательностью импульсов средней длительности и случайной амплитуды, позволяющий определять всю совокупность шумов как аддитивный гауссов белый шум. На основе линейных и нелинейных фильтров исследованы способы подавления гауссова шума на изображениях линейных многоширинных штриховых кодов. С учетом особенностей изображения, представляющего собой набор вертикальных черных и белых штрихов, предложен следующий подход к применению исследуемых фильтров для подавления шумов на изображении штрихового кода:

фильтр представляет собой вектор-столбец размером [1 ></>/] (при N=5,1, 9);

фильтрация осуществляется путем замены значения центрального элемента окна вычисленным значением (в зависимости от типа фильтра), и сдвигом окна на один пиксель вниз на следующем шаге; - результатом обработки зашумленного изображения является профиль кода, рассчитанный путем усреднения полученных отсчетов по высоте кода.

Введен критерий оценки подавления шумов на профиле штрихового кода:- «контраст профиля»:

j^r _ -^max Anin An ах An in

255 '/max+/min'

где /щах - среднее значение яркости белых элементов; 7min - среднее значение яркости черных элементов; /тах - максимальное значение яркости на профиле штрихового кода; /min - минимальное значение яркости на профиле штрихового кода. В применении к данному типу изображений, с чередованием черных и белых полос, «контраст профиля», отличающийся от классического определения контраста множителем, представляющим собой нормированную разность между средним значением яркости белых элементов и средним значением яркости черных элементов, является наиболее полной оценкой качества изображения линейного штрихового кода.

На основе проведенного сравнительного анализа работы линейных и нелинейных фильтров для широкого диапазона СКО шума тестовой модели, выявлено следующее:

- линейные фильтры дают малоконтрастное изображение, несмотря на свою эффективную вычислительную способность;

- нелинейные фильтры приводят к значительно более сильному подавлению шумов по сравнению с линейными,

- наибольшую эффективность в подавлении шумов обнаруживают ранговые фильтры.

Для рангового фильтра введен классификатор du{ri), действующий на основе разности между входным значением центрального элемента /о(л) и оставшимися ранжированными элементами в векторе /,,(п). Ранжированные разности определяются как:

где т{п) - ранжированное среднее, определяется как:

«(") = [Л («) + Л (")]/2.

Центральный элемент считается поврежденным, если значение классификатора превышает соответствующее значение коэффициента рангового фильтра Т„:

d„(n)>T„.

В этом случае значение центрального элемента заменяется ранжированным средним.

Значения коэффициентов Т„ рангового фильтра длиной N- 9 элементов для изображений с разным СКО шума найдены симплексным методом планирования многофакторных экстремальных экспериментов.

Для эффективного решения задачи подавления гауссова шума в рассматриваемом диапазоне искажений 6 = 0 + 200 определены значения коэффициентов рангового фильтра:

Т\ = 8; Т2 = 14; Г3 = 25; Г4 = 72. Использование рангового фильтра с едиными значениями пороговых коэффициентов позволяет проводить автоматическую демодуляцию линейных штриховых кодов без предварительной оценки параметров шума на изображении.

Графическая интерпретация результатов эксперимента (рис.4) демонстрирует преимущество использования рангового фильтра при подавлении шумов на изображениях линейного многоширинного штрихового кода.

•е-

о о. с

в й

е-

о

1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3

♦ Линейный фильтр Ш Медианный фильтр ▲ Ранговый фильтр

СКО шума

Рис. 4. Зависимость «контраста профиля» тестовой модели от СКО шума после обработки: простым линейным фильтром (7У= 9); простым медианным фильтром (ЛГ= 9); ранговым фильтром (Т\ = 8; Тг = 14; Г3 = 25; Т4 = 72)

В третьей главе использованы методы обработки одномерных сигналов для формирования фильтров, подавляющих искажения профиля штрихового кода, связанные с расфокусировкой изображения.

Для вычисления параметров фильтров коррекции и восстановления разработан метод автоматического определения степени расфокусировки изображения линейного многоширинного штрихового кода с неизвестным модулем.

Благодаря тому, что штриховой код имеет строго определенную структуру в данной работе предлагается поиск значений коэффициента нерезкости изображения осуществить по величине производной с максимальным по модулю значением на перепаде яркости между соседними экстремумами профиля кода. Очевидно, что широкие

элементы под действием расфокусировки подвергаются искажению в меньшей степени по сравнению с тонкими, изменяя перепад яркости незначительно.

С целью исключения влияния контраста изображения штрихового кода, введена нормализация значений производной, с использованием разности между значениями максимальной /тах и минимальной /„•,„ яркости на профиле кода.

В результате, вычисление нормированного максимального значения производной на профиле кода реализуется по формуле:

_ i>r,|

der =-И-,

mm *

где \der,| - максимальное по модулю значение производной на перепаде яркости при /'-ом широком элементе кода;

Q - количество перепадов яркости при широких элементах кода;

Лпах, 4т - максимальное и минимальное значения яркостей на профиле.

При исследовании зависимости коэффициента нерезкости от нормированного максимального значения производной использовались пять групп искажений тестовой модели с различными значениями модуля штрихового кода:

mod = 1,0 пиксель, при с = 0,3 + 1,5; mod =1,5 пикселя, при ст = 0,3 1,5; mod = 2,0 пикселя, при с = 1,0 + 3,0; mod =2,5 пикселя, при а = 1,0 + 3,0; mod= 3,0 пикселя, при о = 1,0 3,0.

В результате была получена зависимость (рис. 5) коэффициента нерезкости от нормированного максимального значения производной на профиле штрихового кода:

сг=8,63-е"3,69^, (3)

при этом коэффициент корреляции Л = 0,9851, подтвердил статистическую значимость результата.

Найденная модель (3) используется в алгоритме демодуляции искаженного изображения линейного штрихового кода при автоматическом определении коэффициента нерезкости, для последующего вычисления параметров фильтров.

Рис. 5. Изменение коэффициента нерезкости в зависимости от нормированного максимально значения производной на профиле штрихового кода при то11= 1,0-5-3,0 пикселя, о = 0,3 -5-3,0

В этой же главе проанализированы методы повышения качества изображения: коррекции и восстановления. При их использовании в обработке расфокусированных изображений штриховых кодов, определены границы применения в зависимости от степени искажения, характеризуемого значением коэффициента нерезкости.

Введен показатель качества фильтрации г, основанный на анализе гистограмм перепадов яркости между соседними экстремумами профиля штрихового кода.

Градации перепадов яркости на гистограмме распределены по трем

условным группам:

1. Перепады яркости, лежащие в левой части - с явными признаками перепадов яркости при ложных элементах кода.

2. Перепады яркости, лежащие в ее средней части - которые можно отнести как к перепадам яркости при ложных элементах, так и к перепадам при действительных элементах кода.

I

17

3. Перепады яркости, лежащие в правой части - с явными признаками перепадов яркости при действительных элементах кода. Каждая группа характеризуется числом к,— в виде отношения количества перепадов в группе п, к общему количеству перепадов А'общ

За показатель качества фильтрации принят центр масс, вычисленный для всех значений перепадов яркости в группах к2 и к3,

исключая истинно ложные перепады группы к\.

_

s

где j - значение перепада яркости в гистограмме,

Nj - количество перепадов яркости со значением j.

Наилучшими свойствами обладает алгоритм, обеспечивающий максимальное значение центра масс (для идеального алгоритма г = 255).

Показатель качества фильтрации характеризует стремление к идеальному профилю, когда в результате фильтрации получаются только черные и белые элементы.

Применение предложенного показателя качества выявило преимущество методов восстановления профиля кода перед методами коррекции.

С целью дальнейшего совершенствования процесса восстановления был предложен подход с использованием восстанавливающих масок (таблица 2).

Таблица 2

Восстанавливающие маски

С7 Маска

[1,5; 2,0) {1,-5, 10, -5,1 }

[2,0; 2,6) { 1, 0, -5, 0, 10, 0, -5, 0, 1 }

[2,6; 3,2] { 1,0, -10, 0, -25, 0, -110, 0, 52,0, -110, 0, -25, 0, -10, 0, 1 }

В результате исследования показано, что модифицированный восстанавливающий фильтр на основе масок обеспечивает возможность успешного декодирования штрихового кода при значениях коэффициента нерезкости вплоть до а < 3,2 с показателем качества фильтрации-г- 144,4 (для ГФВЧ-а <2,7, г= 100,3, для инверсного фильтра - о < 3,2, г = 124,5).

Пример расфокусировки (а = 2,7) профиля тестовой модели штрихового кода, при котором уничтожаются ряд мелких элементов

кода из-за слияния с соседними элементами показан на рис. 6а. На рис. 66 и 6в отчетливо видны проявившиеся элементы кода после применения инверсного фильтра и восстанавливающей маски, соответственно.

а)

б)

в)

Рис. 6. Профиль тестовой модели: а) искаженный ГФНЧ (о = 2,7); б) восстановленный инверсным фильтром; в) восстановленный маской {1, 0, -10, 0, -25, 0, -ПО, 0, 52, 0, -110, 0, -25, 0, -10, 0, 1}

В четвертой главе рассмотрены существующие способы выделения структурных элементов изображения и их реализация при определении границ элементов линейного штрихового кода. Предложен способ выделения границ элементов линейного многоширикного штрихового кода с субпиксельной точностью, основанный на адаптивном поиске порога бинаризации, включающий следующие этапы:

- поиск локальных экстремумов на профиле кода и вычисление относительной высоты перепада яркости;

- вычисление адаптивного порога признания значений относительной высоты перепада яркости и отсев ложных экстремумов;

3301016490895802608962

- вычисление границ элементов кода на перепадах яркости при истинных локальных экстремумах.

Для выявления ложных экстремумов на профиле кода использована относительная высота перепада яркости:

./' -Г.

Д =

255-

где /'тщ - минимальная яркость при перепаде;

Лмх ~ максимальная яркость при перепаде;

4т - минимальная яркость в рассматриваемой подобласти;

/шах_ максимальная яркость в рассматриваемой подобласти.

Порог признания перепада Дпорог вычислен по формулам:

Дпорог (4)

где; - позиция в гистограмме, с которой начинает выполняться неравенство щ > Л^псреп'С2:

(5)

ыы

где //персп - количество всех перепадов яркости на гистограмме;

Ы- число карманов гистограммы, равное 64;

Д - относительный перепад яркости в 1-й позиции гистограммы;

С[ и с2 - эмпирические коэффициенты, полученные равными 0,5 и 0,1, соответственно..

Аналогичным образом процедура используется для отсева ложных экстремумов, связанных с остаточными после устранения расфокусировки искажениями. В этом случае, порог признания перепада Апорог вычисляется по формулам (4) и (5) с коэффициентами сх и с2, равными 0,2 и 0,1, соответственно, а значения величины Д вычисляются в скользящем окне.

Отсев ложных экстремумов при перепадах, значения которых ниже порога Дпорог, осуществляется с помощью процедуры прореживания, основанной на чередовании экстремумов разных типов.

Для вычисления границ элементов кода на перепадах яркости при истинных локальных экстремумах требуется определить порог бинаризации для каждого перепада яркости:

j' -7)1""« при —

1 max v'max ' j — r ^

min

7-/' - Г + /'•

л. * nur, _ г - •*max min

V + (J-]' )-—г при /<

min ji _ j r

гяе /' /' • - максимальная и минимальная яркость при перепаде;

1 ^ max > min

J = + - средняя линия при перепаде;

2

/ /га1п - максимальная и минимальная яркость в окне.

Граница элемента находится путем вычисления координаты точки пересечения рассчитанного в соответствии с (б) порога бинаризации Г с прямой, соединяющей два соседних пиксела, по следующей формуле:

я;)-/(7+i)

Демодуляция профиля штрихового кода производится, путем вычисления квадрата евклидова расстояния элементов анализируемой буквы кода от буквы из алфавита кода. Буква, среднеквадратическая ошибка которой оказывалась минимальной, считается действительной буквой кода.

Для алфавита Codel28, допустимой ошибкой при корректной демодуляции букв будет е < етах = ^ •

На рис. 7 представлена зависимость ошибки определения буквы кода от коэффициента нерезкости при поиске границ элементов кода методом Марра и при адаптивном поиске. Неоднородность графиков зависимости ошибки определения буквы кода от коэффициента нерезкости обусловлена особенностями применения фильтра на основе восстанавливающих масок, приведенных в таблице 2.

Применение способа адаптивного определения границ элементов кода приводит к уменьшению ошибки определения буквы кода, что позволяет провести корректную дешифрацию расфокусированных изображений кода со значением коэффициента нерезкости вплоть

до а = 3,1.

Рис. 7. Зависимость ошибки определения буквы кода от коэффициента нерезкости

В пятой главе представлена методика автоматической демодуляции, разработанная на основе предложенных в диссертации алгоритмов обработки искаженного изображения линейного многоширинного штрихового кода, реализованная на языке С++ в программном продукте чтения штриховых кодов фирмы «Barcode Vision». Проведена оценка качества демодуляции с использованием искусственной базы, созданной на основе тестовой модели Codel28 с искажениями в заданном диапазоне, и экспериментальной базы изображений линейных многоширинных штриховых кодов, полученных в реальных условиях.

В результате сравнительного анализа с использованием искусственной базы кодов показано, что предлагаемая методика демодуляции приводит к расширению области уверенной демодуляции (рис. 8, таблица 3). В сравнении с лучшими показателями ПО рассмотренных фирм максимальные значения параметров искажений,

при которых происходит считывание кодов, возросли в 1,5 раза и достигли значений: ¿w = 200, cmax = 3,1. По обобщенному критерию ОПКД алгоритмы демодуляции на основе предлагаемой методики превосходят алгоритмы демодуляции ПО НПЦ «Интелком» (с лучшим из рассмотренных результатом демодуляции) в 4,7 раза, ПО «Barcode Vision» (взятого в качестве базового) - в 33 раза.

220 200 180 160

I 120

9 юо

60 40 20 0

О 0,5 1 1.5 2 2,5 3 3,5 Коэффициент нерезкости

Рис. 8. Результаты тестирования на искуственной базе штриховых кодов алгоритмов демодуляции разработанной методики в сравнении с ПО фирмы «НПЦ «Интелком» и «Barcode Vision»

Таблица 3

Результаты анализа работы ПО декодирования линейных многоширинных штриховых кодов на искусственной базе

5 ¿'max ^шах ОПКД

Разработанная стратегия демодуляции 275 200 3,1 170500

НПЦ «Интелком» 149,00 135 1,8 36 207

«Barcode Vision» 55,25 55 1,7 5 166

Предлагаемая методика автоматической демодуляции приводит не только к удешевлению аппаратных средств, используемых для чтения штриховых кодов, но и дает возможность провести реставрацию ранее полученных искаженных изображений. Для проверки работоспособности разработанной методики демодуляции (в целях реставрации) создана экспериментальная база изображений линейных многоширинных штриховых кодов, полученных в реальных условиях.

С использованием экспериментальной базы проведено сравнительное тестирование работы ПО декодирования линейных многоширинных штриховых кодов фирм «Barcode Vision», «НПЦ «Интелком» и алгоритмов разработанной методики автоматической демодуляции.

Получены статистически значимые результаты эксперимента для базы кодов, содержащей 100 изображений, и показаны:

- возможность автоматического определения коэффициента нерезкости изображения кода на основе разработанной модели;

- высокий процент считанных кодов, при использовании разработанной методики демодуляции (68%), превышающий показатели рассматриваемых ПО (НПЦ «Интелком» - 54%, «Barcode Vision» - 38%);

- экспериментальное подтверждение того, что при успешном декодировании кода максимальная ошибка определения буквы в алфавите кода Codel28 не превышает граничного значения

(Smax = ^ )'

- уменьшение времени декодирования при использовании разработанных алгоритмов демодуляции, встроенных в программный продукт чтения штриховых кодов фирмы «Barcode Vision» (с 16,82 мс до 13,26 мс).

Основные результаты работы и выводы

В соответствии с целями и задачами представленной диссертационной работы получены следующие результаты: 1. На основе модифицированной оценки контраста определены значения пороговых коэффициентов рангового фильтра:

Г, = 8; Т2 = 14; Т3 = 25; Тл = 72, позволяющие проводить автоматическую демодуляцию линейных штриховых кодов без предварительной оценки параметров шума на изображениях.

Разработан метод автоматической оценки степени расфокусировки изображения линейного штрихового кода с неизвестным модулем, основанный на вычислении коэффициента нерезкости, а по

нормированному максимальному значению производной der на профиле кода и получена модель: ^ а = 8,63 •е-3'65"".

Работоспособность метода подтверждена при демодуляции изображений линейных многоширинных штриховых кодов, составляющих экспериментальную базу кодов, полученных в реальных условиях.

Рассмотрены методы коррекции и восстановления в применении к расфокусированному профилю многоширинного штрихового кода, разработан показатель качества фильтрации, соответствующий центру масс гистограммы распределения действительных перепадов яркости, и предложен модифицированный фильтр с лучшим показателем качества фильтрации на основе восстанавливающих масок:

о Маска

Г1,5;2,0) (1,-5,10,-5,1}

Г2,0; 2,5) (1,0,-5,0, 10, 0, -5,0, 1}

[2,5; 3,2] {1,0, -10,0, -25,0, -110,0, 52, 0, -110,0, -25,0, -10, 0,1}

Разработан алгоритм адаптивного поиска субпиксельных границ элементов профиля линейного многоширинного штрихового кода, в скользящем окне длиной в 13 перепадов яркости, учитывающий влияние соседних элементов и включающий:

• выявление и отсев ложных экстремумов на профиле кода путем оценки относительной величины перепада яркости,

• вычисление адаптивного порога бинаризации, учитывающего влияние соседних элементов;

• определение границ элементов кода по вычисленному порогу бинаризации.

В сравнении с методом Марра, разработанный алгоритм расширяет допустимый диапазон искажений изображений кода в 1,5 раза.

Реализована программа на языке С++ на основе алгоритмов разработанной методики автоматической демодуляции изображения линейного многоширинного штрихового кода:

• подавления шумов на изображении штрихового кода с применением рангового фильтра,

• автоматического определения коэффициента нерезкости изображения штрихового кода путем использования нормированного максимального значения производной на профиле кода,

• подавления расфокусировки на профиле линейного многоширинного штрихового кода с помощью восстанавливающих масок,

• адаптивной пороговой обработки профиля линейного многоширинного штрихового кода, обеспечивающей поиск границ элементов с субпиксельной точностью.

6. Проведен сравнительный анализ алгоритмов разработанной методики автоматической демодуляции и ПО фирм: «НПЦ «Интелком», «DTK Software», «Axtel», «Barcode Vision», «QualitySoft», «Softek», с использованием искусственной базы кодов, созданной на основе тестовой модели штрихового кода с искажениями в заданном диапазоне. Показано, что предложенная методика приводит к существенному расширению области уверенной демодуляции, о чем свидетельствует лучший обобщенный показатель качества демодуляции и достигнутые параметры искажений:

- СКО шума Ьтах = 200;

- коэффициент нерезкости атах =3,1.

7. Подтверждена работоспособность разработанной методики автоматической демодуляции при реставрации искаженных изображений линейных многоширинных штриховых кодов, ранее полученных в реальных условиях. Процент считанных кодов составил 68%, в отличие от ПО «Barcode Vision», взятого в качестве базового (38%), и ПО «НПЦ «Интелком», с лучшим из рассмотренных фирм результатом демодуляции (54%).

8. Результаты работы использованы во ФГУП ГосНИИАС при разработке программного обеспечения чтения штриховых кодов в модуле демодуляции линейных многоширинных штриховых кодов, что подтверждается «Актом о внедрении результатов диссертационной работы».

Отдельные результаты диссертационной работы внедрены в учебный процесс МИЭТ в рамках дисциплины «Моделирование систем» для студентов 4-го курса факультета «Электронные

технологии, материалы и оборудование», обучающихся по специальности «Управление и информатика в технических системах», что отражено в «Акте внедрения результатов диссертационной работы».

Список опубликованных по теме диссертации работ Статьи в изданиях, вошедших в перечень ВАК РФ:

1. Михайлов И.И. Обработка размытых и зашумленных изображений линейных многоширинных штриховых кодов//сб. Вопросы оборонной техники. Сер. 9. Специальные системы управления, следящие приводы и их элементы. - 2010 - Вып. 3(244)-4(245).-с.65-70.

Другие издания:

2. Михайлов И.И. Автоматизация многофакторных активных экспериме нтов//Микроэлектроника и информатика-2004.11-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. -М.:МИЭТ, 2004,- С.259.

3. Михайлов И.И. Исследование методов коррекции и восстановления линейного штрихкода // Микроэлектроника и информатика-2006.13-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов.-М.:МИЭТ, 2006-С.165.

4. Михайлов И.И. Особенности применения частотных методов при обработке изображений штриховых кодов //Микросистемная техника. Методы и средства экологического мониторинга производств электронной техники: сборник научных трудов / под редакцией д.т.н., проф В.И. Каракеяна-М.: МИЭТ, 2006,- с. 141-148.

5. Михайлов И.И. Разработка комбинированного метода коррекции изображения линейного штрихового кода на основе фильтра высоких частот//Микроэлектроника и информатика-2007.14-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.:МИЭТ, 2007 - С. 158.

6. Михайлов И.И. Сегментация профиля штрихового кода с применением адаптивной пороговой обработки//Микросистемная техника. Моделирование, технология, контроль: сборник научных трудов / под редакцией. С.П. Тимошенкова-М.: МИЭТ, 2007 -с.126-131.

7. Михайлов И.И. Восстановление и демодуляция сильноразмытых изображений линейного штрихового кода, полученных с веб-камеры//Микроэлектроника и информатика-2008.15-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.:МИЭТ, 2008.- С. 134.

8. Михайлов И.И. Особенности использования нелинейных фильтров при подавлении шумов на изображениях линейного штрихового кода//Микроэлектроника и информатика-2009.16-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.:МИЭТ, 2009 - С. 134.

9. Igor I. Mikhaylov Using rank filters to reduce noise on linear barcode images//VIII International Scientific and Technical Conference: «Interactive Systems: Problems of Human-Computer Interaction» pp. 374-382 Russia, Ulyanovsk, USTU, Sep. 2009.

10. Михайлов И.И. Адаптивный поиск границ элементов многоширинного штрихового кода // Всероссийская конференция с элементами научной школы для молодежи "Проведение научных исследований в области обработки, хранения, передачи и защиты информации". Ульяновск, УГТУ, Сб. трудов, Т.1, 2009 - с. 87-93.

11. Михайлов И.И. Автоматическая демодуляция многоширинных штриховых кодов в условиях расфокусировки // Микроэлектроника и информатика-2010. 17-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. -М.:МИЭТ, 2010.-С. 173.

12. Михайлов И.И. Анализ методов частотной фильтрации расфокусированных изображений штрихового кода // Сборник научных трудов Российской конференции аспирантов, студентов и молодых ученых ИВТ-2010 / под ред. В. Н. Негоды,-Ульяновск:УлГТУ, 2010.- с.354-360.

13. Демкин В.И., Михайлов И.И. Методические указания по курсу «Моделирование систем: планирование эксперимента». -М.: МИЭТ, 2010.-76 е.: ил.

14. Михайлов И.И., Таран В.А. Результаты применения алгоритма демодуляции линейных многоширинных штриховых кодов // Международная научно-практическая конференция «Проблемы подготовки специалистов для гражданской авиации и повышения эффективности работы воздушного транспорта» -научное издание / под ред. Н. У. Ушакова. - Ульяновск: УВАУ ГА(И), 2010,- с.163-165.

15. Визильтер Ю.В, Выголов О.В., Комаров Д.В., Михайлов И.И., Полхлебов И.И, Рубис А.Ю. Разработка элементов авиационной системы улучшенного видения // Юбилейная всероссийская научно-техническая конференция «Моделирование авиационных систем». Москва, 2011.-С.124-125.

16. Михайлов И.И. К вопросу о критериях качества демодуляции линейных многоширинных штриховых кодов//XVII Международная научно-практическая конференция студентов и молодых ученых «Современные техника и технологии» СТТ-2011. -НИТПУ, Сб. трудов, Т.2,2011.- с.390-391.

17. Михайлов И.И. Оценка качества обработки изображения линейного многоширинного штрихового кода на этапах демодуляции // «Известия высших учебных заведений. Электроника» - принята к публикации в 2011 г.

Автореферат

Михайлов Игорь Игоревич

Тема: Повышение качества автоматической демодуляции линейных многоширинных штриховых кодов путем устранения влияния шумов и расфокусировки.

Подписано в печать: 2011 г. Заказ № /74

Формат 60x84 1/16. Уч.-изд.л Тираж 100 экз.

Отпечатано в типографии ИПК МИЭТ.

124498, Москва, Зеленоград, проезд 4806, д.5, МИЭТ.

ВВЕДЕНИЕ.

1 ШТРИХОВОЕ КОДИРОВАНИЕ.

1.1 Термины и определения.

1.2 Области применения.

1.3 Тестовая модель многоширинного штрихового кода Сос1е128 и модели искажений.

1.4 Исследование работы используемого в настоящее время программного обеспечения для декодирования штриховых кодов

1.5 Анализ существующих алгоритмов демодуляции линейных многоширинных штриховых кодов.

1.6 Предлагаемая стратегия автоматической демодуляции линейных многоширинных штриховых кодов.

1.7 Выводы.

2 ПОДАВЛЕНИЕ ШУМОВ НА ИЗОБРАЖЕНИИ ЛИНЕЙНОГО МНОГОШИРИННОГО ШТРИХОВОГО КОДА.

2.1 Шумы фотоприемных устройств.

2.2 Критерий качества фильтрации.

2.3 Линейный фильтр.

2.4 Медианный фильтр.

2.5 Ранговая фильтрация.

2.6 Выводы.

3 ПОДАВЛЕНИЕ РАСФОКУСИРОВКИ ИЗОБРАЖЕНИЯ ЛИНЕЙНОГО МНОГОШИРИННОГО ШТРИХОВОГО КОДА.

3.1 Оценка степени расфокусировки.

3.2 Фильтрация.

3.2.1 Модель фильтрации профиля штрихового кода.

3.2.2 Показатель качества фильтрации.

3.2.3 Коррекция.

3.2.4 Восстановление.

3.3 Выводы.

4 АДАПТИВНЫЙ ПОИСК ГРАНИЦ ЭЛЕМЕНТОВ

ЛИНЕЙНОГО МНОГОШИРИННОГО ШТРИХОВОГО КОДА.

4.1 Анализ способов выделения структурных элементов на изображении.

4.2 Разработка алгоритма адаптивного определения границ элементов линейного многоширинного штрихового кода.

4.2.1 Вычисление относительной высоты перепада яркости.

4.2.2 Отсев ложных экстремумов.

4.2.3 Вычисление границ элементов штрихового кода.

4.3 Результат адаптивной обработки для тестовой модели штрихового кода.

4.4 Выводы.

5 МЕТОДИКА АВТОМАТИЧЕСКОЙ ДЕМОДУЛЯЦИИ ЛИНЕЙНОГО МНОГОШИРИННОГО ШТРИХОВОГО КОДА.

5.1 Реализация методики автоматической демодуляции в программном обеспечении декодирования штриховых кодов.

5.2 Анализ результатов применения разработанной методики автоматической демодуляции линейного многоширинного штрихового кода.

5.2.1 Анализ методики демодуляции с использованием искусственной базы изображений штриховых кодов, полученных путем моделирования.

5.2.2 Анализ методики демодуляции с использованием экспериментальной базы изображений штриховых кодов, полученных в реальных условиях.

5.3 Выводы.

Актуальность темы

Применение штриховых кодов позволяет резко поднять производительность ввода данных в системах обработки информации, связанных с широким кругом задач в области автоматизации производства, документооборота и товарооборота, идентификацией личности, мобильными приложениями [1-3].

Проблемой обработки изображений штриховых кодов, занимается множество фирм по всему миру («Aspóse», «Axtel», «BarcodeLib», «DTK Software», «IDAutomation», «InLite», «Labelspirit», «LeadTools», «Moravia», «EymBarcode», «OmniPlanar», «Accusoft Pegasus», «PrecisionID», «QualitySoft», «Softek»), в том числе и в России («Barcode Vision», ООО «НПЦ «Интелком»), постоянно обновляя алгоритмы своих программных продуктов [4-20].

Широкое распространение получило семейство линейных штриховых кодов: Code39, Industrial ITF, 2 of 5, Codabar, EAN-8, EAN-13, Codel28. Наиболее яркими представителями, среди которых, являются многоширинные коды: EAN-13, Codel28. Последний позволяет кодировать 128 знаков ASCII, 4 функциональных знака, 4 знака выбора кодового набора, 3 стартовых знака, стоповый знак, при этом длина кода ограничивается только его физическими размерами [21-23]. , / ; < \L*V

Для обеспечения высокого качества считывания штриховых кодов применяются дорогостоящие лазерные сканеры с прецизионной технологией изготовления. С другой стороны, в настоящее время для считывания изображений штриховых кодов широкое распространение получили матричные фотоприемные устройства (МФПУ). К недостаткам считывающей аппаратуры на основе МФПУ можно отнести шумы матрицы, аберрации оптической системы и конечное время автоматической фокусировки на объект. Устранение перечисленных недостатков конструктивными методами приводит к существенному удорожанию оборудования, что неприемлемо при его массовом использовании. В связи с этим, основная задача по обеспечению высокого качества считывания штриховых кодов перекладывается на программное обеспечение (ПО). При этом следует учитывать специфику изображений штриховых кодов, в частности, для линейных многоширинных штриховых кодов - необходимость определения границ элементов с допустимой погрешностью. В виду того, что многоширинные коды имеют четыре градации ширин элементов, то при значительных искажениях существует вероятность неправильного определения границы элемента и, как следствие, неверного декодирования буквы кода.

Задача определения границ элементов решается на этапе демодуляции -процессе преобразования темных и светлых элементов изображения штрихового кода в элементы букв кода, выраженные в модулях.

Данная работа направлена на повышение качества автоматической демодуляции линейных многоширинных штриховых кодов при наличии искажений, вносимых считывающей аппаратурой: шума и расфокусировки.

В области обработки изображений штриховых кодов следует отметить работы отечественных ученых - С.Ю. Желтова, Ю.В. Визильтера, С.И. Ортюкова, Ю.И.Буряка, Б.С.Алешина, A.A.Краснобаева, а так же работы зарубежных авторов - Р. Палмера, А. Тропфа, Д. Шаи, С. Аронольда, Дж.Д. Аукока, Р. Томаса, Конгкиао Ванга, Хао Ванга, Ву Ксин-шенга, М. Куроки, Т. Йонеока, Т. Сатоу, Ю. Такажи, Т. Китамура, Р. Шамса, П. Садехи, Г. Беркетта, Г. Фрэйзера, Ю Лиу, Шу-Джен Лю, Чжи Лю [23-43].

Однако, вопросы автоматической демодуляции линейных многоширинных штриховых кодов в условиях сильных искажений, отражены в этих работах фрагментарно.

Настоящая работа предполагает разработку методики автоматической демодуляции линейных многоширинных штриховых кодов, последовательно устраняющую влияние шумов и расфокусировки изображений кодов, выявляющую ложные элементы и уточняющую границы элементов кодов, на основе критериев качества, предложенных с учетом специфики изображений линейных штриховых кодов, что представляет собой актуальную научно-техническую задачу, имеющую важное практическое значение.

Цель работы

Основной целью работы является разработка и исследование методов повышения качества автоматической демодуляции линейных многоширинных штриховых кодов при наличии сильных искажений, вызываемых аппаратной частью: шумов и расфокусировки.

Поставленная цель достигается путем решения следующих основных задач, учитывающих специфику линейного многоширинного штрихового кода:

1. Исследование методов линейной и нелинейной фильтрации, направленных на подавление шумов, выбор алгоритма и определение его параметров на основе разработанного критерия качества.

2. Разработка метода автоматической оценки степени расфокусировки изображений линейных штриховых кодов с различным модулем.

3. Исследование методов коррекции и восстановления расфокусированных изображений и выбор алгоритма подавления расфокусировки на основе разработанного показателя качества.

4. Разработка алгоритма адаптивной пороговой обработки с целью уточнения границ элементов кода.

5. Экспериментальная проверка выбранной методики автоматической демодуляции на искусственной базе изображений, созданной на основе тестовой модели штрихового кода с искажениями в заданном диапазоне, и базе изображений штриховых кодов, полученных в реальных условиях (экспериментальной базе).

Методы исследования

При решении поставленных задач использовались методы исследования, основанные на положениях теории цифровой обработки изображений, математической статистики, в частности - регрессионном и корреляционном анализе, теории планирования многофакгорных экспериментов. Для практической реализации алгоритмов применялись методы объектно-ориентированного программирования на языке С++, моделирование в системе Ма&аЬ.

Достоверность полученных научных результатов

Достоверность полученных научных результатов подтверждается сопоставлением полученных результатов с научными данными, известными из отечественной и зарубежной литературы, методами компьютерного моделирования, а так же экспериментальными результатами демодуляции линейных многоширинных штриховых кодов, изображения которых получены с использованием считывающей аппаратуры. Научная новизна работы

В рамках настоящей работы получены следующие новые научные результаты:

1. Предложена модель автоматической оценки коэффициента нерезкости изображения линейного штрихового кода.

2. Предложен и исследован модифицированный восстанавливающий фильтр на основе масок и, с использованием введенного показателя качества, определены границы его применения для расфокусированных изображений линейных многоширинных штриховых кодов.

3. Предложен алгоритм адаптивного поиска границ элементов линейного многоширинного штрихового кода. Установлено, что алгоритм устраняет ложные перепады яркости и определяет границы элементов с субпиксельной точностью.

4. Разработана методика автоматической демодуляции линейных многоширинных штриховых кодов, включающая:

• ранговую фильтрацию, обеспечивающую улучшение качества считывания при подавлении шума на изображениях штриховых кодов;

• автоматическую оценку коэффициента нерезкости на профиле расфокусированного изображения штрихового кода;

• фильтрацию на основе масок, восстанавливающую элементы профиля расфокусированного изображения штрихового кода;

• адаптивную пороговую обработку профиля штрихового кода, уточняющую границы элементов кода.

Практическая значимость работы:

1. На основе предложенной модифицированной оценки контраста, определены значения пороговых коэффициентов рангового фильтра, позволяющие проводить автоматическую демодуляцию линейных штриховых кодов без предварительной оценки параметров шума на изображении.

2. Предложен метод автоматической оценки коэффициента нерезкости изображений линейных штриховых кодов с различным модулем.

3. На языке С++, на основе предложенной в диссертации методики, разработан модуль для автоматической демодуляции изображений линейных многоширинных штриховых кодов с сильными искажениями. Использование модуля демодуляции в составе ПО «Barcode Vision» обеспечивает:

• считывание кодов искусственной базы при среднеквадратичном отклонении шума Ьтах = 200 и коэффициенте нерезкости отах = 3,1;

• процент считанных кодов экспериментальной базы - 68%.

В сравнении с лучшими показателями ПО рассмотренных фирм максимальные значения параметров искажений, при которых происходит считывание кодов, возросли в 1,5 раза, процент считанных кодов повысился на 14%. г

На защиту выносится:

1. Метод автоматической оценки коэффициента нерезкости изображения линейного штрихового кода.

2. Модифицированный фильтр на основе масок для восстановления расфокусированного изображения линейного многоширинного штрихового кода.

3. Алгоритм адаптивной пороговой обработки профиля линейного многоширинного штрихового кода, обеспечивающий поиск границ элементов с субпиксельной точностью.

4. Методика автоматической демодуляции линейных многоширинных штриховых кодов и результаты, доказывающие преимущества ее использования, полученные на искусственной базе изображений, созданной на основе тестовой модели штрихового кода с искажениями в заданном диапазоне, и экспериментальной базе изображений штриховых кодов, полученных в реальных условиях. Апробация результатов работы

Результаты работы обсуждались на следующих научно-технических конференциях:

1. Одиннадцатой-семнадцатой всероссийской межвузовской научно-технической конференциях студентов и аспирантов «Микроэлектроника и информатика» - Москва, МИЭТ, 2004-2010 гг.

2. VIII-th International Scientific and Technical Conference: «Interactive Systems: Problems of Human-Computer Interaction» - Russia, Ulyanovsk, USTU, 2009.

3. Конференции молодых ученых и специалистов Московского отделения Международной общественной организации «Академия навигации и управления движением» - Москва, ЦНИИАГ, 2009 г.

4. Всероссийской конференции с элементами научной школы для молодежи "Проведение научных исследований в области обработки, хранения, передачи и защиты информации" - Ульяновск, УГТУ, 2009 г.

5. Всероссийской научно-технической конференции аспирантов, студентов и молодых ученых «Информатика и вычислительная техника» (ИВТ-2010) -Ульяновск, УлГТУ, 2010 г.

6. Международной научно-практической конференции «Проблемы подготовки специалистов для гражданской авиации и повышения эффективности работы воздушного транспорта» - Ульяновск, УВАУ ГА, 2010 г.

7. Юбилейной всероссийской научно-технической конференции «Моделирование авиационных систем» - Москва, 2011 г.

8. XVII Международной научно-практической конференции студентов и молодых ученых «Современные техника и технологии» (СТТ-2011) -Томск, НИТПУ, 2011 г.

Реализация результатов работы

Результаты работы реализованы в модуле демодуляции линейных многоширинных штриховых кодов программного обеспечения чтения штриховых кодов, что подтверждено соответствующим актом о внедрении ФГУП ГосНИИАС.

Отдельные результаты диссертационной работы внедрены в учебный процесс МИЭТ в рамках дисциплины «Моделирование систем», что подтверждается соответствующим актом внедрения.

Публикации

По теме диссертации опубликованы 17 научных работ, из них: 1 статья в журнале, рекомендованном ВАК (сб. «Вопросы оборонной техники»), 3 статьи (одна в печати), 2 доклада в сборниках международных конференций, 2 доклада в сборниках научных трудов Всероссийских конференций, 8 тезисов в сборниках Всероссийских и международной конференциях, методические указания МИЭТ по курсу «Моделирование систем: Планирование эксперимента».

Структура и объем диссертации

Диссертационная работа состоит из введения, пяти глав, заключения, библиографии и приложения. Содержит 126 страниц основного текста, 51 рисунок, 22 таблицы и 127 библиографических ссылок.

17. Результаты работы использованы во ФГУП ГосНИИАС при разработке программного обеспечения чтения штриховых кодов в модуле демодуляции линейных многоширинных штриховых кодов, что подтверждается «Актом о внедрении результатов диссертационной работы».

Отдельные результаты диссертационной работы внедрены в учебный процесс МИЭТ в рамках дисциплины «Моделирование систем» для студентов 4-го курса факультета «Электронные технологии, материалы и оборудование», обучающихся по специальности «Управление и информатика в технических системах», что отражено в «Акте внедрения результатов диссертационной работы».

ЗАКЛЮЧЕНИЕ

1. При выполнении работы на основе анализа источников научно-технической литературы и ПО отечественных и зарубежных фирм показано, что в настоящее время отсутствуют методы, позволяющие считывать линейные многоширинные штриховые коды с сильными искажениями, продолжается совершенствование алгоритмов демодуляции кодов, что приводит к актуальности задачи повышения качества автоматической демодуляции линейных штриховых кодов путем устранения влияния шумов и расфокусировки.

2. Исходя из особенностей изображений линейных многоширинных штриховых кодов, была разработана тестовая модель, предусматривающая все возможные сочетания ширин черных и белых элементов кода Codel28, выбраны модели искажений, описывающие шум и расфокусировку изображений, и создана искусственная база кодов с искажениями, в заданном диапазоне.

3. В результате исследования работы алгоритмов демодуляции с использованием искусственной базы кодов был выявлен существенный разброс качества рассматриваемых алгоритмов ПО фирм: «Barcode Vision», «DTK Software», ООО «НПЦ «Интелком», «Softek», «Axtel», «QualitySoft». Для оценки области уверенной демодуляции алгоритмов был введен мультипликативный критерий - обобщенный показатель качества демодуляции, учитывающий площадь под кривой демодуляции и максимальные значения параметров искажений, при которых происходит считывание кодов.

4. Был проведен сравнительный анализ типовых решений, использующих аппаратные средства с интегрированным ПО, в области применения технологии штрихового кодирования, по результатам которого сделаны следующие выводы:

• при автоматизации производств использование экономичных матричных фотоприемных устройств, считывающих штриховые коды, является приоритетным;

• с целью устранения недостатков аппаратных средств, приводящих к искажениям изображений штриховых кодов, ПО должно включать следующие алгоритмы:

- подавления шумов на изображении;

- формирования профиля;

- автоматическую оценку степени расфокусировки профиля;

- подавления расфокусировки профиля;

- пороговой обработки для поиска границ элементов кода с субпиксельной точностью;

- представления ширин элементов в модулях.

Перечисленные требования к ПО составили основу разрабатываемой методики демодуляции.

5. При проведении исследований и разработки алгоритмов подавления шумов была разработана методика оценки уровня подавления шумов на изображении штрихового кода, использующая обобщенный параметр -«контраст профиля».

С использованием этой методики показано, что ранговый фильтр обладает наибольшим преимуществом среди рассмотренных нелинейных фильтров при подавлении шумов на изображении линейных многоширинных штриховых кодов.

6. Была проведена оптимизация значений коэффициентов рангового фильтра симплексным методом планирования экстремальных экспериментов. В результате оптимизации получены следующие значения коэффициентов:

Т\ = 8; Т2 = 14; Тъ = 25; Т4 = 72. Использование рангового фильтра с едиными значениями пороговых коэффициентов позволяет проводить автоматическую демодуляцию линейных штриховых кодов без предварительной оценки параметров шума на изображении.

7. Разработан способ автоматической оценки степени расфокусировки изображения линейного штрихового кода с неизвестным модулем, основанный на вычислении коэффициента нерезкости с по нормированному максимальному значению производной der на профиле кода и получена модель: су=8,63-<Г3'695Гг,

Работоспособность способа подтверждена при демодуляции изображений линейных многоширинных штриховых кодов, составляющих экспериментальную базу кодов, полученных в реальных условиях.

8. На основе анализа гистограмм распределения перепадов яркости профиля тестовой модели штрихового кода с различными значениями коэффициента нерезкости были найдены условия, позволяющие выделить группу с действительными перепадами яркости. Предложен показатель качества фильтрации, соответствующий центру масс гистограммы распределения действительных перепадов яркости.

9. Были рассмотрены методы коррекции и восстановления в применении к расфокусированному профилю штрихового кода, и предложен фильтр с лучшим показателем качества фильтрации на основе восстанавливающих масок: а Маска

1,5; 2,0) { 1, -5, 10, -5,1 }

2,0; 2,5) { 1, 0, -5, 0,10, 0, -5, 0, 1 }

2,5; 3,2] {1, 0, -10, 0, -25, 0, -110, 0, 52, 0, -110, 0, -25, 0, -10, 0, 1}

10. Разработан алгоритм адаптивного поиска субпиксельных границ элементов профиля линейного многоширинного штрихового кода, в скользящем окне длиной в 13 перепадов яркости, учитывающий влияние соседних элементов, включающий:

• выявление и отсев ложных экстремумов на профиле кода путем оценки относительной величины перепада яркости,

• вычисление адаптивного порога бинаризации, учитывающего влияние соседних элементов;

• определение границ элементов кода по вычисленному порогу бинаризации.

11. Экспериментально подтверждено преимущество разработанного метода перед методом Мара, широко используемым в алгоритмах поиска субпиксельных границ элементов штрихового кода.

12. Введена оценка ошибки определения буквы кода е. Установлены и подтверждены экспериментально допустимые значения ошибки £<-, 6 соответствующие корректной дешифрации кода Сос1е128.

13. Реализована программа на языке С++ на основе алгоритмов разработанной методики автоматической демодуляции изображения линейного многоширинного штрихового кода: • подавления шумов на изображении штрихового кода с применением рангового фильтра;

• автоматического определения коэффициента нерезкости изображения штрихового кода путем использования оценки максимального значения производной на профиле кода;

• подавления расфокусировки на профиле линейного многоширинного штрихового кода с помощью восстанавливающих масок;

• адаптивной пороговой обработки профиля линейного многоширинного штрихового кода, обеспечивающей поиск границ элементов с субпиксельной точностью;

14. Проведен сравнительный анализ разработанной методики автоматической демодуляции и ПО ряда фирм с использованием искусственной базы кодов, в результате которого показано, что предложенная методика приводит к существенному расширению области уверенной демодуляции, о чем свидетельствует лучший обобщенный показатель качества демодуляции и достигнутые параметры искажений:

• СКО шума Ьтах = 200;

• коэффициент нерезкости стах =3,1.

15. Подтверждена работоспособность разработанной методики при автоматической демодуляции изображений линейных многоширинных штриховых кодов, полученных в реальных условиях. Процент считанных кодов составил 68%, в отличие от ПО «Barcode Vision», рассматриваемого в качестве базового (38%), и ПО «НПЦ «Интелком», с лучшим из рассмотренных фирм результатом демодуляции (54%).

16. Время демодуляции искаженных изображений кодов при использовании разработанных алгоритмов осталось в рамках требований к ПО фирмы «Barcode Vision».

1. Арманд В.А., ЖелезновВ.В. Штриховые коды в системах обработки информации -М.: Радио и связь, 1989. 91с.

2. Бузников С.Е., Кафафов A.A., Матвеевский В.Р. Системы и устройства штрихового кодирования (Автоматическая идентификация материальных потоков). М.: Знание, 1990. - 63с. - (Новое в жизни, науке, технике. 14 Сер. «Радиоэлектроника и связь»; №4).

3. Сафаров Т.А., Сулейманов Н.Т. Технология штрихового кодирования // Уфа: «Башкортостан», 2000. 104с.

4. Aspóse -URL: www.aspose.com/categories/.net-components/aspose.barcode-for-.net/default.aspx

5. Axtel machine vision .-URL: www.axtel.com

6. BarcodeLib -URL: www.barcodelib.com

7. DTK Software -URL: www.dtksoft.com/download/DTKBarcodeSetup.exe

8. ID Automation -URL: www.idautomation.com

9. InLite -URL: www.inliteresearch.com

10. Labelspirit -URL: www.labelsoftware.com

11. LeadTools -URL: www.leadtools.com/sdk/barcode/default.htm

12. Morovia-URL: www.morovia.com/component/barcode-activex ' . Л

13. EymBarcode -URL: www.metois.com/Eymbarcode

14. Omniplanar. SwiftDecoder.- URL: www.omniplanar.com

15. Accusoft Pegasus -URL: www.accusoft.com/barcodexpress.htm

16. PrecisionID -URL: www.precisionid.com

17. Quality Soft -URL: www.bctester.de/download/bctesteren.zip

18. Softek Software. Barcode Reader Toolkit -URL: www.softeksoftware.co.uk

19. НПЦ «Интелком» -URL: barcodes.intelcom.ru/download/products/Linear/WSM

20. BarcodeVision.BCR Pro -URL: www.barcodevision.com/index.php?area=Demo

21. ISO/IEC 15417. Информационные технологии. Методы автоматической идентификации и выделения данных. Спецификация на символику штрихового кода Codel28 (Код 128).

22. ГОСТ 30743-2001. Автоматическая идентификация. Кодирование штриховое. Спецификация символики Codel28 (Код 128).

23. Roger C.Palmer The bar code book. Reading, printing and specification of bar code symbols.-Helmers publishing, inc., 1991.-p.307.

24. Исследование и разработка эффективных методов и программ для обеспечения надежного декодирования одномерных и двумерных штриховых кодов в условиях нелинейных искажений и помех №140(14875)2001 // Отчет М. НИР/ГосНИИАС 2001. - 50с.

25. Разработка методики построения специализированных систем для анализа цифровых изображений в задачах обнаружения и идентификации сложных структурных объектов. №166(14715)2000 // Отчет-М. НИР/ГосНИИАС 2000.-40с.

26. Алешин Б.С., Желтов С.Ю., Буряк Ю.И. и др. Сравнительный анализ систем контроля регулируемого товародвижения маркируемой продукции/ Материалы международной конференции Российской научной школы. Ч. 1 .Москва-Сочи 2000.

27. Ортюков С.И. Распознавание символов двумерного стекового штрихового кода PDF417 на изображениях низкого качества при наличии помех и искажений различного рода // Вестник компьютерных и информационных технологий. Вып.4, 2007. - С.22-26.

28. Визильтер Ю.В., ОсосковМ.В. Опыт разработки и исследования интегрированной программной среды для анализа и обработки цифровых изображений // Вестник компьютерных и информационных технологий. Вып.5, 2008 - С.7-15.

29. Краснобаев А.А. Алгоритмы распознавания штриховых кодов // Препринт №84 за 2004г. М.: Институт прикладной математики им. М.В. Келдыша РАН.

30. Kuroki М., Yoneoka Т., Satou Т., Takagi Y., Kitamura Т., Kayamori N. Barcode recognition system using image processing // 6th International Conference: «Emerging Technologies and Factory Automation Proceedings» pp. 568-572, Los Angeles, CA, 1997.

31. Arnould S., Awcock G.J., Thomas R. Remote bar-code localisation using mathematical morphology // Seventh International Conference: «Image Processing and Its Applications» pp. 642-646 vol.2, Manchester, 1999.

32. Kongqiao Wang, Yanming Zou, Hao Wang Bar code reading from images captured by camera phones // 2nd International Conference « Mobile Technology, Applications and Systems» p. 6, Guangzhou, 2005.

33. Kongqiao Wang, Yanming Zou, Hao Wang, ID bar code reading on camera phones // International Journal of Image and Graphics, vol. 7, no. 3, pp. 529. '550,2007. World,Scientific Publishing, ISSN 02194678. ,

34. TropfA., ChaiD. Locating 1-D Bar Codes in Dct-Domain // 2006 IEEE International Conference «Acoustics, Speech and Signal Processing» p. 11, Toulouse, 2006.

35. Wu Xin-sheng, Qiao Lian-zhi, Deng Jun A new method for Bar Code Localization and Recognition // 2nd International Congress «Image and Signal Processing» pp. 1-6, Tianjin, 2009.

36. Hao Wang, Yanming Zou Camera Readable 2D Bar Codes Design and Decoding for Mobile Phones // Image Processing, 2006 IEEE International Conference, pp: 469 472, Atlanta, GA, 2006.

37. Shams R., Sadeghi P. Bar Code Recognition in Highly Distorted and Low Resolution Images // Acoustics, Speech and Signal Processing, 2007. ICASSP2007. IEEE International Conference, pp:I-737 -1-740, Honolulu, HI, 2007.

38. Yue Liu, Bo Yang, Ju Yang Bar Code Recognition in Complex Scenes by Camera Phones // Natural Computation, 2008. ICNC '08. Fourth International Conference, pp: 462 466, Jinan, 2008.

39. Burkett Harold, Frazier Gary A High Resolution Bar Code Reader // Consumer Electronics, IEEE Transactions, pp:443^l49, Rosemont, IL, USA, 1983.

40. Zhi Liu, Herong Zheng, Wenting Cai Research on Two-Dimensional Bar Code Positioning Approach Based on Convex Hull Algorithm // Digital Image Processing, 2009 International Conference, Bangkok, pp: 177-180, 2009.

41. Березанский P.T., Голуб B.M. Методы и технические средства автоматизированной идентификации почтовых отправлений на основе применения штриховых кодов / Почтовая связь и распространение печати, вып.2. М. ЦНТИ «Информсвязь», 1991. - 49с.

42. ГОСТ 30721-2000. Автоматическая идентификация. Кодирование штриховое. Термины и определения. , ^

43. Microscan -URL: www.microscan.com/en-us/products/machinevision.aspx ''

44. Tuppas -URL:www.tuppas.com/Barcode-software/Barcode-software.htm

45. Ricoh. Printers, scanners, cameras -URL: www.Ricoh.com

46. Canon. Printers, scanners, cameras(Canon EOS7DSV).-URL: www.canon.com

47. BarCode Tracking System -URL: www.systecgroup.com/barcode-tracking.php

48. TargetFax Barcode Server -URL: www.targetfax.com/prodbarcode.html

49. Pentad Systems Document Imaging Management System -URL: www.pentadsys.com/Products.aspx?P=47&D=45

50. Bar Code Scaning -URL: www.motorolasolutions.com/web/Business/StaticFiles/ Bar+Code+Scanning.html

51. Datalogic scaning .-URL: www.scanning.datalogic.com

52. Фрегат URL: www.frigat.ru/54

53. Datalogic mobile -URL: www.mobile.datalogic.com

54. BarcodelD .- URL: www.barcodeid.com5 8. Barcoding Inc.- URL: www.barcoding.com

55. Barcode-Automation.- URL: www.barcode-automation.com/products.html

56. Elid -URL: www.elid.com/products/accessel370.html

57. Specialty Machinery & Equipment -URL: www.specialtymachinery.com/barcode -system#!barcode-system

58. AccuSort -URL: www.accusort.com/en/products/barcodescanners/camera/ minicam.php

59. BarcodeResource .- URL: www.barcoderesource.com

60. Upcode ltd -URL: www.upc.fi/en/upcode

61. ScanLife -URL: www.scanlife.com

62. SonyEricsson. Smartphone -URL: www.sonyericsson.com/cws/corporate/press/ pressreleases/pressreleasedetails/sonyericssonunveilsnextgenerationminisfmal-20110505

63. Nokia. Smartphone -URL: mobilecodes.nokia.com/scan.htm

64. Гонсалес P., Вудс P., Эддинс С. Цифровая обработка изображений в среде MatLab // Москва: Техносфера, 2006. 616с. =

65. Методы компьютерной обработки изображений // под ред. Сойфера В.А.-М.:ФИЗМАТЛИТ, 2003.- 784с.

66. ПрэттУ. Цифровая обработка изображений// Пер. с англ.-М.: Мир, 1982.-790 с.

67. Норенков И.П. Основы автоматизированного проектирования // М.: Изд-во МГТУ им. Н.Э. Баумана, 2002.-336с.

68. Неизвестный С.И., Никулин О.Ю. Приборы с зарядовой связью. Устройства и основные принципы работы / Специальная техника №4, 1999.-С. 28-32.

69. Сойфер В.А., Сергеев В.В., Попов С.Б., Мясников В.В. Теоретические основы цифровой обработки изображений: Учебное пособие / Самарскийгосударственный аэрокосмический университет им. СП. Королева -Самара, 2000.

70. Цифровое преобразование изображений / Под редакцией Быкова Р.Е. М.: Горячая линия - Телеком, 2003.

71. Неизвестный С.И., Никулин О.Ю. Приборы с зарядовой связью основа современной телевизионной техники. Основные характеристики ПЗС / Специальная техника №5,1999. - С. 30-38.

72. Тришенков М.А. Фотоприемные устройства и ПЗС. Обнаружение слабых оптических сигналов М.: Радио и связь, 1992 - 400 с.

73. Aubert G., Kornprobst P. Mathematical Problems in Image Processing: Partial Differential Equations and the Calculus of Variations // Springer Verlag, 2002.

74. Ланнэ A.A. Синтез систем нелинейной цифровой обработки сигналов // Изв. вузов. Радиоэлектроника, 1985. Т.28, №8. С. 7-17.

75. Щербаков М.А. Нелинейная фильтрация сигналов и изображений: Учеб. пособие. Пенза: ПГУ, 1999.

76. Быстрые алгоритмы в цифровой обработке изображений: преобразования и медианные фильтры // Хуанг Т.С., Эклунд Дж.-О., Нуссбаумер Г.Дж. и др. / Ред. Хуанг Т.С. М.: Радио и связь, 1984.

77. Tukey J. Exploratory data analysis. Reading // MA: Addison-Wesley, 1977.

78. Abreu E., Mitra S. A signal-dependent rank order mean (SD-ROM) filter-a new approach for removal of impulses from highly corrupted images // International Conference on acoustics, speech, and signal processing (ICASSP'95), 1995. V. 4. pp. 2371-2374.

79. Адлер Ю.П., Маркова E.B., Грановский Ю.В. Планирование экстремальных экспериментов при поиске оптимальных условий. М. Наука, 1976.

80. Дамбраускас А. П. Симплексный поиск М.Энергия,1979.

81. Михайлов И.И. Автоматизация многофакторных активных экспериментов // Микроэлектроника и информатика-2004.11-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. -М.:МИЭТ, 2004.-С.259.

82. Демкин В.И., Михайлов И.И. Методические указания по курсу «Моделирование систем: планирование эксперимента». М.: МИЭТ, 2010. - 76 е.: ил.

83. Igor I. Mikhaylov Using rank filters to reduce noise on linear barcode images//VIII International Scientific and Technical Conference: «Interactive Systems: Problems of Human-Computer Interaction» pp. 374-382 Russia, Ulyanovsk, USTU, Sep. 2009.

84. Айфичер, Эмануил С., Джервис, Барри У. Цифровая обработка сигналов: практический подход, 2-е издание.: Пер. с англ. М.: Издательский дом "Вильяме", 2004. - 992 е.: ил. - Парал. тит. англ.

85. Никулин А.Е. Основы теории автоматического управления. Частотные методы анализа и синтеза систем / Учебное пособие для вузов СПб.: "БХВ-Санкт-Петербург", 2004. - 640 с.

86. Цифровая обработка речевых сигналов. Рабинер Л.Р., Шафер Р.В. / Под ред. М.В. Назарова и Ю.Н. Прохорова. М.: Радио и связь, 1981. - 496 с.

87. Рабинер Jl., Гоулд Б. Теория и применение цифровой обработки сигналов // Издательство "МИР", Москва, 1978. 848 с.

88. Тришенков М.А., Фотоприемные устройства и ПЗС. Обнаружение слабых оптических сигналов // М.: Радио и связь, 1992. 400 с.

89. Шестов Н.С. выделение оптических сигналов на фоне случайных помех // М.: Сов. Радио, 1967. 320 е.

90. МаррД. Зрение. Информационный подход к изучению представления и обработки зрительных образов: Пер. с англ. М.:Радио и связь, 1987. - 400 с.

91. Крянев A.B., Лукин Г.В. Математические методы обработки неопределенных данных. М.: ФИЗМАТЛИТ, 2003.-216 с.

92. Гонсалес Р., Вудс Р. Цифровая обработка изображений // М.: Техносфера,2005.- 1072с.

93. Сергиенко А.Б. Цифровая обработка сигналов, 2-е издание // СПб.: Питер,2006.-751с.

94. Яне Б. Цифровая обработка изображений // Техносфера, 2007.- С.584

95. Кравченко В.Ф Цифровая обработка сигналов и изображений // ФИЗМАТЛИТ, 2007. С.552.

96. Визильтер Ю. В., Желтов С. Ю., Князь В. А., Ходарев А. Н., Моржин А. В. Обработка и анализ цифровых изображений с примерами на Lab VIEW и IMAQ Vision // ДМК Пресс, 2008.- С.464.

97. Грузман И. С., Киричук В. С., Косых В. П., Перетягин Г. И., Спектор А. А. Цифровая обработка изображений в информационных системах // Новосибирский государственный технический университет (НГТУ), 2002,- С.352.

98. Красильников H.H. Цифровая обработка изображений // "Вузовская книга" С.320.

99. Лавров С.С. К обоснованию методов востановления изображений на основе выпуклых критериев качества // РАН институт прикладной астрономии, С.-Петербург, 1997. .

100. Михайлов И.И. Анализ методов частотной фильтрации расфокусированных изображений штрихового кода//Сборник научных трудов Российской конференции аспирантов, студентов и молодых ученых ИВТ-2010 / под ред. В. Н. Негоды.- Ульяновск:УлГТУ, 2010. С.354-360.

101. Михайлов И.И. Сегментация профиля штрихового кода с применением адаптивной пороговой обработки // Микросистемная техника. Моделирование, технология, контроль: сборник научных трудов / под редакцией. С.П. Тимошенкова-М.: МИЭТ, 2007. С. 126-131.

102. Михайлов И.И. Исследование методов коррекции и восстановления линейного штрихкода//Микроэлектроника и информатика-2006.13-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. М.:МИЭТ, 2006 - С. 165.

103. Canny J. Finding Edges and Lines in Images: Tech. Report 720, Artificial Intelligence Laboratory, Massachusetts Institute of Technology -Boston, MA, 1983.

104. Perona P. and Malik J., Scale-Space and Edge Detection Using Anisotropic diffusion.// IEEE Transactions on Pattern Analysis and Machine Intelligence. 1990. Vol.12. № 7. pp. 629-639.

105. Krylov A., Nasonov A., Ushmaev O. "Image Super-Resolution using Fast Deconvolution " // Proceedings of 9th Conference on Pattern Recognition and Image Analysis: New Information Technologies, Nizhni Novgorod, 2008, Vol. 1, No. 2, pp. 362-364.

106. Malczewski К., StasinskiR. «Super Resolution for Multimedia, Image, and Video Processing Applications» // Recent Advances in Multimedia Signal Processing and Communications, Vol. 231, 2009, pp. 171-208.

107. Sina Farsiu, Dirk Robinson, Michael Elad, Peyman Milanfar "Fast and Robust Multi-Frame Super-Resolution" // IEEE Trans. On Image Processing, Vol. 13, No. 10, pp. 1327-1344, October 2004.

108. Тарасов B.B., Якушенков Ю.Г. Инфракрасные системы «смотрящего» типа. М.: Логос, 2004- 444с.

109. Витязев В.В., Муравьев С.И., Степашкин А.И. Метод синтеза цифровых узкополосных КИХ-фильтров // Изв. вузов. Радиоэлектроника. 1981. Т. 24. № 7. С. 55-59.

110. Витязев В.В., Муравьев С.И., Степашкин А.И. Метод проектирования цифровых полосовых фильтров с конечной памятью // Изв. вузов. Радиоэлектроника. 1983. Т. 26. № 9. С. 3-9.

111. Михайлов И.И. Оценка качества обработки изображения линейного многоширинного штрихового кода на этапах демодуляции // «Известия высших учебных заведений. Электроника» принята к публикации в 2011 г.