TY - JOUR AU - Квєтний, Роман Наумович AU - Іванов, Юрій Юрійович AU - Півошенко, Володимир Володимирович AU - Васюра, Анатолій Степанович PY - 2019/10/15 Y2 - 2024/03/29 TI - АЛГОРИТМ РОЗПІЗНАВАННЯ ТА КОРИГУВАННЯ ПОШКОДЖЕНИХ QR-КОДІВ JF - Інформаційні технології та комп'ютерна інженерія JA - ІТКІ VL - 45 IS - 2 SE - Інформаційні технології та теорія кодування DO - 10.31649/1999-9941-2019-45-2-25-32 UR - https://itce.vntu.edu.ua/index.php/itce/article/view/729 SP - 25-32 AB - <p>Інтенсивний розвиток інформаційних технологій призвів до створення систем обміну даними, які застосовують комбіноване стиснення, захист від пошкоджень та зберігання інформації. Подібні системи зазвичай використовують матричні коди, які дають можливість компактно зберігати великий обсяг інформації та швидко розпізнаються сканувальним обладнанням. У даній статті розв’язано задачу розпізнавання та коригування сильно пошкоджених матричних кодів, а саме QR-кодів, у яких присутній високий рівень шуму, відсутні ключові елементи або накладаються кольори. Такі зображення не розпізнаються декодуючим програмним забезпеченням, оскільки структура детекторів елементів пошкоджена, а коригуюча здатність вбудованих кодів Ріда-Соломона не дозволяє виправити необхідну частину помилок. Тому запропоновано алгоритм, який базується на використанні &nbsp;штучної нейронної мережі Хеммінга-Ліппмана з базою еталонів та обробленні зображень у режимі ковзного вікна, що спрощує процес навчання мережі без використання трудомістких обчислювальних операцій, великих обсягів пам’яті та витрат часу, навіть для зображень високої роздільної здатності та великих розмірів. Процес навчання мережі складається з двох частин: обробка зображень, розпізнавання та корекція зразка. Для того, щоб домогтися коректного розпізнавання, необхідно експериментально виявляти оптимальні параметри навчання, завдяки яким в матриці еталонних образів рядки будуть достатньо відрізнятися один від одного. Для цього авторами на мові С# розроблено програмне забезпечення, за допомогою якого і проведено необхідні експериментальні дослідження. Визначено умови коректної роботи нейронної мережі (оптимальні значення розміру ковзного вікна та порогу для різних розмірів зображень QR-кодів), а також випадки, коли можливі помилки розпізнавання та нестабільності її виходів. Результати досліджень показують, що розроблений алгоритм можна застосовувати як додаткову процедуру розпізнавання та виправлення QR-кодів у різноманітних системах обміну даними.</p> ER -