Повышение качества автоматической демодуляции линейных многоширинных штриховых кодов путем устранения влияния шумов и расфокусировки тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Михайлов, Игорь Игоревич

• Михайлов, Игорь Игоревич
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Михайлов, Игорь Игоревич

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.

Введение диссертации (часть автореферата) на тему «Повышение качества автоматической демодуляции линейных многоширинных штриховых кодов путем устранения влияния шумов и расфокусировки»

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.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Михайлов, Игорь Игоревич

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».

Список литературы диссертационного исследования кандидат технических наук Михайлов, Игорь Игоревич, 2011 год

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.