8841a01fb4d4c17d119922405bee459a.ppt
- Количество слайдов: 23
Detekcija rubova i dekodiranje bar-kod signala Sasa Kresic Juric FESB, University of Split, Croatia u suradnji sa Symbol Technologies, Inc. , New York Tel Aviv University, Israel
Problem: kako odrediti polozaj rubova u bar-kodu kada su u signalu prisutni sumovi? signal fotodetektora
Cilj projekta 1. Istrazivanje stohastickih svojstava sumova 2. (a) “speckle noise” 3. (b) termalni sum 4. (c) ostali sumovi (ambijentalno svjetlo, …) 2. Razvoj novih metoda za obradu signala (a) optimalno filtriranje (b) dekodiranje pomocu skrivenog Markovljevog lanca (c) dekodiranje pomocu wavelet transformacije (d) istrazivanje utjecaja suma na pogresku u detekciji rubova
Speckle patterns z brzina skeniranja V ravnina rasprsenja fotodetektor monokromatski izvor koherentnog svjetla
Staticki speckle pattern Gausova distribucija intenziteta Speckle intensity srednja velicina korelacijske celije
Matematicki model z ravnina 1 Operator konvolucije: ravnina 2
Statisticke pretpostavke za fazu (a) gustoca vjerojatnosti ne ovisi o tocki (b) (c) je uniformno raspodjeljena u intervalu
Stohasticka svojstva intenziteta Jedan uzorak Superpozicija n uzoraka Srednja velicina korelacijske celije
Gustoca vjerojatnosti intenziteta
Speckle noise Opticko polje u ravnini fotodetektora Distribucija intenziteta Signal
Speckle noise u signalu dobivenog skeniranjem UPCA bar-koda Signal Derivacija signala (koristi se za detekciju rubova) 5
Stohasticka svojstva suma Ako ravnina rasprsenja ima konstantnu refleksivnost signal fotodetektora dan sa , tada je stacionarni proces u sirem smislu Srednja vrijenost signala distribucija intenziteta zrake
Funkcija autokorelacije signala
Spektralna gustoca snage signala Ukupna snaga signala
Primjer: Gaussova distribucija intenziteta zrake
Detekcija rubova Ideja: Polozaj ruba odredjuje se iz lokalnih ekstrema derivacije signala. (a) Signal fotodetektora (b) Derivacija signala (b)
Matematicki model polozaji rubova bar-koda Signal se modelira jednadzbom konvolucijska jezgra slucajni proces stacionaran u sirem smislu
Algoritam za detekciju rubova (1) Linearno filtriranje (2) Lokalni ekstremi (3) Selekcija ekstrema • skriveni Markovljev lanac (demo) • wavelet transformacija • heuristicke metode ovisne o simbologiji
Problem: Kako analizirati pogresku u odredjivanju polozaja ? rubova Lokacija rubova u signalu bez suma Rjesenja: Zelimo naci rjesenja mala perturbacija rjesenja takva da je
Srednja vrijednost pogreske Drugi moment pogreske
Standardna devijacija pogreske u prostornoj domeni
Speckle noise i detekcija rubova Gaussova distribucija intenziteta speckle noise
Gaussov filter Standardna devijacija pogreske u polozaju ruba Hermiteov polinom rjesenja za
8841a01fb4d4c17d119922405bee459a.ppt