Распознавание символов на номерном знаке автотранспорта

Таблица 2. Сегментация.

Часть этапа сегментации	Название метода/класса методов	Эффективность	Примечание
Сегментация символов номерного знака	Разбиение области номерного знака  на блоки фиксированной ширины	Низкая	-
	Построение горизонтальной проекции изображения	Средняя	-
	Анализ связных компонент	Средняя	-
	Комбинированный метод сегментации  с использованием бинаризованного и полутонового изображений	Высокая	-

 

Таблица 3. Распознавание.

Часть этапа распознавания	Название метода/класса методов	Эффективность	Примечание
Распознавание символов номерного  знака	Сравнение с шаблоном	Высокая	-
	Выделение характерных признаков	Средняя	-

5. Заключение.

На  данном этапе НИР был произведён сравнительный анализ системы и  структуры существующих методов  в рамках темы “Распознавание символов на номерном знаке автотранспорта”. Итогом проведённого анализа являются три таблицы сравнения эффективности методов, применяющихся на каждом этапе обработки изображения. Эти таблицы дают наглядное представление о направлениях дальнейших исследований.

 

 

 

 

 

 

6. Список литературы.

1. Роджерс Д. Алгоритмические основы машинной графики.
2. Павидис. Алгоритмы машинной графики.
3. Яне. Цифровая обработка изображений.
4. Гонсалес, Вудс. Цифровая обработка изображений.
5. Лукьяница, Шишкин. Цифровая обработка видеоизображений.
6. Сойфер В. А. Методы компьютерной обработки изображений.
7. Горелик А. Л., Скрипкин В. А. Методы распознавания.
8. Васильев В. И. Распознающие системы.
9. Вапник В. Н., Червоненкис А. Я. Теория распознавания образов.
10. Файн В. С. Опознавание изображений.
11. Михайлов, И.А. Некоторые методы распознавания изображений.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

7. Приложение.

[1].

Цифровой  шум — дефект изображения, вносимый фотосенсорами и электроникой устройств, которые их используют. 
 Цифровой шум заметен на изображении в виде наложенной маски из пикселей случайного цвета и яркости. На камерах с массивом цветных фильтров (к этому типу принадлежат большинство цифровых камер) цветовой шум обычно имеет визуально более крупные зерна, чем пиксели на изображениях. Это является побочным эффектом для алгоритма получения полноцветного изображения. Для трехматричных систем или матрицы без фильтра шум будет более мелкозернистым. 
 В цветном изображении шум может иметь разную интенсивность для разных каналов изображения. Это визуально окрашивает его. Шум на фотографии снятой при лампах накаливания имеет преимущественно желто-синие оттенки, а не зелёно-фиолетовые. Дело в том, что хотя изначально все пиксели одинаково подвержены шуму, но после применения баланса белого синий канал изображения, и, соответственно, шум в нём увеличиваются сильнее. Шум заметен на однотонных участках, а в особенности – на тёмных участках изображения. Как принято в электронике, обычно говорят об отношении сигнал-шум. Наглядно можно сравнивать шум разных матриц так: привести две парные тестовые фотографии к одному размеру и одинаковой яркости, и после это визуально оценить цветовые шумы. Иногда, цифровой шум отождествляют с такими явлениями обычной (химической) фотографии, как зернистость плёнки и фотографическая вуаль. 
 Существуют всевозможные способы подавления цифрового шума на уровне сенсора, трактов цифрового фотоаппарата и при дальнейшей цифровой обработке. На уровне сенсора используются пиксели большего размера и более плотно прилегающие друг к другу микролинзы. Также, можно использовать цветные фильтры, пропускающие больший процент света. Последний способ может отрицательно сказываться на качестве цветопередачи камеры. Использование более высококачественных усилителей и АЦП с большей разрядностью также, очевидно, позволяет уменьшить шум. Иногда (например, в астрофотосъёмке) используют охлаждение матрицы. Подавление цифрового стохастического шума при постобработке проводится усреднением яркости пикселя по некоторой группе пикселей, который алгоритм считает "похожими". Обычно при этом ухудшается детальность изображения, оно становится более "мыльным". Кроме этого, могут проявится ложные детали, которых не было на исходной сцене. Например, если алгоритм будет искать "похожие" пиксели недостаточно далеко, то мелкозернситый и среднезернистый шум может быть подавлен, а слабый, но всё равно довольно заметный неестественный "крупный" шум останется видимым. 
 На отношении сигнал-шум влияют шумы аналоговой электроники цифрового фотоаппарата («обвязка», усилители, АЦП), но основным источником цифрового шума является фотосенсор. Цифровой шум в фотосенсоре возникает по следующим причинам. Дефекты (примеси и др.) потенциального барьера вызывают утечку заряда, сгенерированного за время экспозиции — т. н. чёрный дефект. Такие дефекты видны на светлом фоне в виде тёмных точек. Темновой ток — является вредным следствием термоэлектронной эмиссии и «туннельного» эффекта и возникает в сенсоре при подаче потенциала на электрод, под которым формируется потенциальная яма. «Темновым» данный ток называется потому, что складывается из электронов, попавших в яму при отсутствии светового потока. Такие дефекты видны на темном фоне в виде светлых точек, т. н. белый дефект. Белые дефекты особенно проявляются при больших экспозициях. Основная причина возникновения темнового тока — это примеси в кремниевой пластине или повреждение кристаллической решётки кремния. Чем чище кремний, тем меньше темновой ток. На темновой ток оказывает влияние температура элементов камеры, электромагнитные наводки, как внешние, так и внутренние, от самой камеры. При увеличении температуры на 6-8 градусов, значение темнового тока удваивается. 
 Из-за шума, возникающего вследствие стохастической природы взаимодействия фотонов света с атомами материала фотодиодов сенсора. При движении фотона внутри кристаллической решётки кремния, вероятно, что фотон, «попав» в атом кремния, выбьет из него электрон, родив пару электрон-дырка, но сказать точно, сколько фотонов родит пары, а, сколько пропадет с какими-то другими эффектами нельзя. Электрический сигнал, снимаемый с сенсора будет соответствовать количеству рождённых пар. Снимаемый сигнал с сенсора при заданных выдержке и диафрагме (интенсивности света) будет определять квантовая эффективность — среднее число рождаемых пар электрон-дырка. 
 Из-за наличия дефектных (не работающих) пикселей, которые возникают при производстве фотосенсоров (несовершенство технологии) и всегда находятся в одном и том же месте. Для устранения их негативного влияния используются математические методы интерполяции, когда вместо дефектного «подставляется» либо просто соседний элемент, либо среднее по прилегающим элементам, либо значение, вычисленное более сложным способом. Естественно, что вычисленное значение отличается от фактического и ухудшает резкость конечного изображения. Этот же дефект вносит интерполяция, корректирующая конечное изображение, при использовании фильтра Байера. 
 Плотность пикселов - размер фотодиода на микросхеме зависит от технологии. По технологии CCD элементов «обвязки» у пиксела меньше, чем по технологии CMOS и больше площади сенсора достается линзе фотодиода. Это особенно сказывается на сенсорах маленького размера. При одинаковых физических размерах сенсора, у сенсора, имеющего большее разрешение, активная площадь каждого фотодиода меньше. На маленькие линзы фотодиода падает меньше света, меньшие потенциалы считываются с фотодиода и требуется бо́льшее аналоговое усиление сигнала перед оцифровкой. В результате больше уровень шума и меньше отношение сигнал-шум. Но данное утверждение справедливо только при неизменной технологии изготовления матрицы. Новые матрицы могут содержать менее шумные элементы и соответственно увеличивать можно или разрешение с сохранением уровня шума или сохранить разрешение, но уменьшить шум. На текущий момент производители предпочитают вариант сохранения уровня шума и увеличение разрешения. Время экспонирования.  
 Темновой ток фотодиода при больших экспозициях сильно ухудшает отношение сигнал-шум. Чем больше время экспонирования (при равном количестве попавшего на матрицу света), тем больше тепловой шум транзисторов электроники и хуже отношение сигнал-шум.

[2].

Операция  порогового разделения, которая в  результате дает бинарное изображение, называется бинаризацией. Целью операции бинаризации является радикальное уменьшение количества информации, содержащейся на изображении. В процессе бинаризации исходное полутоновое изображение, имеющее некое количество уровней яркости, преобразуется в черно-белое изображение, пиксели которого имеют только два значения – 0 и 1. Пороговая обработка изображения может проводиться разными способами. 
 Бинаризация с нижним порогом является наиболее простой операцией, в которой используется только одно значение порога: 
 
Все значения вместо критерия становятся 1, в данном случае 255 (белый) и все значения(амплитуды) пикселей, которые больше порога t — 0 (черный). 
 Иногда можно использовать вариант первого метода, который дает негатив изображения, полученного в процессе бинаризации. Операция бинаризации с верхним порогом: 
 
 Для выделения областей, в которых значения яркости пикселей может меняться в известном диапазоне, вводится бинаризация с двойным ограничением (t₁<t₂): 
 
Также возможны другие вариации с порогами, где пропускается только часть данных (средне полосовой фильтр).

[3].

Гистограмма (от изображения) — это график распределения полутонов изображения, в котором по горизонтальной оси представлена яркость, а по вертикали — относительное число пикселов с данным значением яркости. 
 Изучив гистограмму, можно получить общее представление о правильности экспозиции, контрасте и цветовом насыщении снимка, оценить требуемую коррекцию как при съёмке (изменение экспозиции, цветового баланса, освещения либо композиции снимка), так и при последующей обработке. Обычно на экране цифрового фотоаппарата показывается лишь гистограмма светлоты (исключения составляют дорогостоящие зеркальные камеры), а гистограмма для всех цветовых каналов (см. Цветоделение) доступна уже на компьютере, в приложениях для обработки растровой графики. 
 Гистограмма изображения позволяет оценить количество и разнообразие оттенков изображения, а также общий уровень яркости изображения. Изображение с недостаточным динамическим диапазоном будет иметь узкий всплеск яркостей. Считается, что идеальной формой гистограммы изображения является пологое распределение Гаусса, в которой мало пикселей совсем тёмных и совсем ярких цветов, а по мере приближения к средним цветам количество подобных пикселей увеличивается. 
 Таким образом, гистограмма изображения не описывает художественных качеств, но в большинстве случаев позволяет ориентироваться в «направлении коррекции» изображения, если такая коррекция требуется.

[4].

Дилатация (наращивание) бинарного изображения A структурирующим элементом B обозначается и задается выражением:

.

В данном выражении  оператор объединения можно считать  оператором, применяемым в окрестности  пикселов. Структурирующий элемент B применяется ко всем пикселам бинарного  изображения. Каждый раз, когда начало координат структурирующего элемента совмещается с единичным бинарным пикселом, ко всему структурирующему элементу применяется перенос и  последующее логическое сложение (логическое ИЛИ) с соответствующими пикселами бинарного изображения. Результаты логического сложения записываются в выходное бинарное изображение, которое изначально инициализируется нулевыми значениями. 
Пример (справа): наращивание темно синего квадрата дисковым структурным элементом, результирующего на ярко-голубой квадрат с закругленными концами.

[5].

Корреляция (перекрёстная корреляция) — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые  можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной  или нескольких из этих величин сопутствуют  систематическому изменению значений другой или других величин. Математической мерой корреляции двух случайных  величин служит коэффициент корреляции. 
 Коэффициенты корреляции могут быть положительными или отрицательными. В первом случае мы можем определить только наличие или отсутствие связи, а во втором — также и её направление. Отрицательная корреляция — корреляция, при которой увеличение одной переменной связано с уменьшением другой. При этом коэффициент корреляции будет отрицательным. Положительная корреляция — это такая связь, при которой увеличение одной переменной связано с увеличением другой переменной. Возможна также ситуация отсутствия статистической взаимосвязи — например, для независимых случайных величин. Значительная корреляция между двумя случайными величинами всегда является свидетельством существования некоторой статистической связи в данной выборке.