저해상도 영상에서 바코드 인식 = Barcode Recognition at Low Resolution Image

다국어 초록 (Multilingual Abstract)

Finding and reading barcodes using low resolution camera has increasing demands in mobile phone, automatic freight handlings, POS(Point-of-Sale) systems, parts assembling, etc. As an image analysis, barcode detection may be simpler than edge detection because bars are parallel, and their bars and spaces between them are multiple of unit bar width. However, the accuracy and efficiency of edge features deteriorates because of the small and detailed barcode patterns which have bars and spaces in an image. So, finding barcodes using a region-based analysis of low resolution image is more desirable. As the method of barcode extraction, the proposed algorithm computed covariances by using Consistent Gradient Operator proposed by Shigeru ANDO, and then categorized image into UNIVAR(Unidirectional Variation), OMNIVAR (Omnidirectional Variation) and NOVAR(No Variation) based on variation of directionality.
Binarization is very important problem when we recognize barcode. If the binarization result were poor, the recognition would be difficult or even unavailable. From this point of view, the proposed algorithm used adaptive binarization based on local thresholding which updates the threshold value whenever the Laplacian sign of the input image changes. According to the simulation, the proposed algorithm achieved performance improvement about 5% compared to the conventional method.

국문 초록 (Abstract)

핸드폰, 자동 수화물 처리, POS(Point-of-Sale), 부품조립 등과 같은 분야에서 저해상도 카메라를 이용하여 취득한 영상내에서 바코드를 탐색하고 인식하는 것에 대한 요구는 날로 증가하고 있다.
영상분석에서 바코드 검출은 바(Bar)들이 평행이며, 넓이와 간격이 단위 바 넓이의 배수이므로 에지 검출보다 더 간단하다. 그러나, 영상에서 작고 세밀한 바와 스페이스를 가진 바코드 패턴의 경우에는 에지 특성의 정확성과 효율성이 나빠진다. 그러므로, 바코드 영역 검출에 있어서는 저해상도 영상에서 영역 기반 분석법을 필요로 한게 된다. 바코드 영역 검출 방법으로는 Shigeru ANDO가 제안한 Consistent Gradient Operator를 사용하여 기울기의 공분산을 구한 다음, 방향성에 기반하여 전체 영상을 UNIVAR(Unidirectional Variation)영역, OMNIVAR (Omnidirectional Va- riation)영역, NOVAR(No Variation)영역으로 구분하여 바코드를 추출하는 방법을 사용하였다.
바코드 인식에 있어서 가장 중요한 문제는 검출한 바코드 영역을 이진화하는 것이다. 이진화 결과가 좋지 않으면, 인식이 어려워지거나 불가능할 수도 있다. 이런 관점에서, 기존의 전체 영상을 하나의 임계값으로 이진화하는 단순한 전역적 이진화방식은 잡음, 높은 조명, 저대비 등에 영향을 많이 받으며 정확한 임계값(Threshold Value)을 찾기 어려웠다. 그래서, 입력 영상의 라플라시안 부호가 변할때마다 임계값이 갱신되는 지역적 이진화 방식에 기반한 적응이진화 방식을 사용하여 화질의 열화 요소를 제거함으로써 5%이상 더 높은 바코드 인식율을 보였다.

목차 (Table of Contents)

• 차례
• 국문요약 = ⅰ
• ABSTRACT = ⅱ
• 차례 = ⅲ
• 그림 차례 = ⅴ
• 표 차례 = ⅵ
• 제 1 장 서론 = 1
• 제 2 장 바코드의 개요 = 3
• 2.1 바코드의 정의 = 3
• 2.2 바코드 심볼로지와 심볼 = 3
• 2.3 바코드의 분류 = 6
• 2.4 바코드의 장점 = 11
• 2.5 KAN-13바코드 = 12
• 제 3 장 바코드 인식 알고리즘 = 15
• 3.1 전처리 과정 = 16
• 3.2 바코드 영역 검출 알고리즘 = 17
• 3.3 바코드 이진화 알고리즘 = 22
• 제 4 장 적응 이진화 알고리즘 = 26
• 제 5 장 실험 및 고찰 = 31
• 5.1 성능 분석 = 31
• 5.2 고찰 = 37
• 제 6 장 결론 = 38
• 참고문헌 = 39