The 6 references with contexts in paper A. Bоriskevich A., А. Борискевич А. (2017) “УСТОЙЧИВЫЙ МЕТОД НОРМАЛИЗАЦИИ ОТСКАНИРОВАННОГО МОБИЛЬНЫМ УСТРОЙСТВОМ ИЗОБРАЖЕНИЯ ШТРИХКОДА // A ROBUST METHOD FOR NORMALIZATION OF BARCODE IMAGES SCANNED WITH A MOBILE DEVICE” / spz:neicon:vestift:y:2016:i:4:p:106-112

1
К лассификация сканеров штрихкодов. [Электронный ресурс]. – 2016. – Режим доступа: http://prime63.ru/ klassifikatsiya-skanerov-shtrih-kodov.html – Дата доступа: 06.07.2016
Total in-text references: 2
  1. In-text reference with the coordinate start=2531
    Prefix
    В настоящее время разработано множество двумерных (2D) штриховых кодов, представляющих собой последовательность черных и белых вертикальных прямоугольников различной ширины или других геометрических фигур, характеризуемых различным соотношением занимаемое место/количество информации
    Exact
    [1]
    Suffix
    . Основными параметрами при выборе сканера штрихкода являются его способность считывать/декодировать определенный тип штрихового кода, невысокие требования к его стоимости, качеству и скорости сканирования штрихкодов, условиям печати и освещения.

  2. In-text reference with the coordinate start=3096
    Prefix
    Сканеры штрихкода можно разделить на светодиодные ССD (Сharge-Сoupled Device, прибор с зарядовой связью)-матрицы, лазерные, Linear Image (линейный фотосканер) и Area Image (матричный фотосканер для считывания двумерных штрихкодов с мини-камерой и современными алгоритмами распознавания и декодирования)
    Exact
    [1]
    Suffix
    . Возможности использования мобильных устройств для надежного считывания и декодирования штрихкодов ограничены достаточно высокими требованиями к условиям печати и съемки. Изображения, полученные с помощью мобильных телефонов, характеризуются неоднородным освещением, размытием и геометрическими искажениями.

2
O tsu, N. A Threshold Selection Method from Gray–Level Histograms / N.A Otsu // IEEE Transactions on Systems, Man, and Cybernetics. – 1979. – Vol. 9, N 1. – P. 62–66. Рис. 4. Процедура коррекции угловых граничных точек изображения штрихкода: а – преобразование Хафа бинарного контурного изображения в параметрическом пространстве; б – изображение штрихкода с первоначально обнаруженными угловыми граничными точками; в – изображение штрихкода с скорректированными угловыми граничными точками Рис. 5. Процедура коррекции геометрических искажений изображения штрихкода: а – без проекционных искажений; б – без проекционных и метрических искажений; в – нормализованное изображение
Total in-text references: 1
  1. In-text reference with the coordinate start=4638
    Prefix
    Для обеспечения устойчивости к неравномерному освещению исходного штрихкода ( (, ))I Ii j i j N== = (рис. 2) предлагается процедура формирования бинарного контурного изображения, основанная на методе Оцу (Otsu)
    Exact
    [2]
    Suffix
    и алгоритме Канни (Canny) [3], определяемая с помощью следующих систем соотношений: 22 121212 2 12 1 при ( , ), (, ) 0 при ( , ), ()() ()( ()()), arg max( ), opt opt opt T Ii j T Bi j Ixy T T w Tw TTT TT ≥ = <  σ =μ −μ  =σ  

3
C anny, J. A Computational approach to edge detection / J. Canny // IEEE Transactions on pattern analysis and machine intelligence. – 1986. – Vol. 8, N 6. – Р. 679–698.
Total in-text references: 2
  1. In-text reference with the coordinate start=4668
    Prefix
    Для обеспечения устойчивости к неравномерному освещению исходного штрихкода ( (, ))I Ii j i j N== = (рис. 2) предлагается процедура формирования бинарного контурного изображения, основанная на методе Оцу (Otsu) [2] и алгоритме Канни (Canny)
    Exact
    [3]
    Suffix
    , определяемая с помощью следующих систем соотношений: 22 121212 2 12 1 при ( , ), (, ) 0 при ( , ), ()() ()( ()()), arg max( ), opt opt opt T Ii j T Bi j Ixy T T w Tw TTT TT ≥ = <  σ =μ −μ  =σ  

  2. In-text reference with the coordinate start=7680
    Prefix
    к контурной линии, (, )SGxyBij и {}()( , )0 , 45 , 90 , 135arctg( , )( , )GSxyGSyGSxijB ij B ijθ∈ ° ° ° °= – величина или модуль вектора градиента (сила контура границы) изображения в точке (i, j) и значения угла направления вектора градиента контура, округляемые до ближайшего угла, кратного 45о. Алгоритм обнаружения контурных линий объектов или детектор контуров Канни
    Exact
    [3]
    Suffix
    является оптимальным для определенного класса контуров (ступенчатый контур) и обеспечивает «хорошее» обнаружение (минимизация вероятностей появления ложных контуров и их пропусков) и локализацию контуров (обнаруженные контуры должны быть как можно ближе к реальным контурам) при минимальном отклике в области шума.

4
Duda, R.O. Use of the Hough Transformation to Detect Lines and Curves in Pictures / R. O. Duda, P. E. Hart // Comm. ACM. – 1972. – Vol. 15. – P. 11–15.
Total in-text references: 1
  1. In-text reference with the coordinate start=9762
    Prefix
    Процедура локализации граничных линий изображения штрихкода ( (, ))I Ii j i j N== = основана на преобразовании координат точек (i, j) бинарного контурного изображения (( , ))contcontBBij= в (r, q)-пространство с помощью стандартного преобразования Хафа
    Exact
    [4]
    Suffix
    , основанного на параметрическом представлении контурной линии в виде {},( , )cossinLijijρθ=ρ= θ+ θ, где ρ и θ – расстояние от начала координат до линии вдоль вектора и угол в градусах между перпендикуляРис. 2.

5
Y ang, H. Accurate localization of four extreme corners for barcode images captured by mobile phones / H. Yang, X. Jiang, A. C. Kot // Proceedings of 2010 IEEE 17th International Conference on Image Processing. – 2010. – Р. 3897 – 3900.
Total in-text references: 1
  1. In-text reference with the coordinate start=13083
    Prefix
    Поскольку линии изображения штрихкода в общем случае не являются прямыми и могут быть кривыми из-за искажений линз мобильной камеры, ее неплоскостности и ручного считывании, то это ухудшает локализацию граничных линий и их угловых точек с помощью преобразования Хафа. В связи с этим разработана процедура селективной коррекции позиций угловых точек граничных линий
    Exact
    [5]
    Suffix
    , основанная на прослеживании и локальной обработке выделенных двух максимально удаленных друг от друга граничных линий, содержащих искомые угловые точки, и поиске направлений текущей угловой точки и следующей угловой точки-кандидата в окрестности 3×3 в восьми направлениях {}1, 2, 3, 4, 5, 6, 7, 8 посредством вычисления множества { }Wg весовых коэффициентов изменения направления и у

6
Ч ехлов, Д. О. Нормализация изображений относительно перспективного преобразования на основе геометрических параметров / Д. О. Чехлов, С. В. Абламейко // Информатика. – 2004. – No 3. – С. 67–76.
Total in-text references: 1
  1. In-text reference with the coordinate start=16311
    Prefix
    Процедура компенсации геометрических искажений изображения штрихкода ( (, ))I Ii j i j N== =, основанная на использовании локализованных угловых граничных точек, формирующих вектор (, , )123 v vv vT= бесконечно удаленной линии, проходящей через исчезающие точки, и плоскостно-проекционного преобразования H
    Exact
    [6]
    Suffix
    , осуществляется с помощью соотношения, корректирующего координаты (1)Txy пикселов изображения штрихкода в нормализованные координаты (1)THHxy: (1)(1) , , TT HH S AP x yH xy H HHH =  = (3) где cossin sincos 0 01 x Sy s st Hs s t φ− φ  =φφ   , 123 100 HP010 vv v   =   , 1112 2122 01ctg0 0010 0 0