Исследование и разработка методов локализации, идентификации и распознавания арабских символов: на примере номерного знака автомобиля тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Аль-Рашайда Хасан Хусейн
- Специальность ВАК РФ05.13.01
- Количество страниц 131
Оглавление диссертации кандидат технических наук Аль-Рашайда Хасан Хусейн
СОЕРЖАНИЕ.1.
ВВЕДЕНИЕ.
ГЛАВА 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ.
1.1. Исторический обзор.
1.2. Арабские символы.
1.2.1. Характеристики сгшвоюв арабского языка.
1.3. Арабско-индийские цифры.
1.4. Краткий обзор распознавания символов.
1.4.1. Распознавание символов в режиме on-line.
1.4.2. Распознавание символов в режиме off-line.
1.5. Типовая модель системы распознавания символов.
1.5.1. Стадия предварительной обработки.
1.5.2. Стадия сегментации.
1.5.3. Стадия выделения признаков.
1.5.4. Стадия обучения и распознавания.
1.5.5. Стадия постобработки.
1.6. Выводы по первой главе.
ГЛАВА 2. ПРЕДОБРАБОТКА ДЛЯ ПРЕДСТАВЛЕНИЯ СИМВОЛОВ АРАБСКОГО ЯЗЫКА
2.1. Введение.
2.2. Система распознавания.
2.3. Набор данных.
2.4. Фаза предварительной обработки.
2.4.1. Обнаружение скелета посредством утончения.
2.4.2. Базисная линия идентифицирования.
2.5. Выводы по второй главе.
ГЛАВА 3. МЕТОД РАСПОЗНАВАНИЯ АРАБСКО-ИНДИЙСКИХ ЦИФР.
3.1. Введение.
3.2. Набор данных.
3.3. Система Распознавания.
3.3.1. Предварительная обработка.
3.3.1.1. Коррекция наклона цифры.
3.3.2. Выделение признаков.
3.3.3. Классификация и распознавание.
3.3.4. Критерии качества распознавания.
3.3.5. Интеграция результатов нескольких классификаторов.
3.3.5.1. Модель принципа мажоритарного голосования.
3.3.5.1.1. Простое мажоритарное голосование. ' 3.3.5.1.2. ранжированное голосование (раш овые классификаторы).
3.3.5.2. Модель вероятностных интеграторов.
3.3.5.2.1. Байесовский интегратор.
3.4. Оценка полученных результатов.
3.5. Выводы по третье главе.
ГЛАВА 4. ЛОКАЛИЗАЦИЯ И РАСПОЗНАВАНИЕ НОМЕРНОГО ЗНАКА.
Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Разработка и исследование ПО для распознавания и анализа объектов на изображении с помощью нейронной сети2007 год, кандидат технических наук Ньейн Эй
Исследование, развитие и реализация методов автоматического распознавания рукописных текстов в компьютерных системах2003 год, кандидат физико-математических наук Ян, Давид Евгеньевич
Разработка и исследование методов распознавания рукописных арабских текстов2003 год, кандидат технических наук Салюм Саид Салех
Математические модели и программные средства распознавания структурированных символов2009 год, кандидат технических наук Афонасенко, Анна Владимировна
Разработка и исследование методов и средств распознавания текста факсимильных сообщений2003 год, кандидат технических наук Цопкало, Николай Николаевич
Введение диссертации (часть автореферата) на тему «Исследование и разработка методов локализации, идентификации и распознавания арабских символов: на примере номерного знака автомобиля»
4.2. Подходы к решению задачи.87
4.3. разработанный подход к решению задачи.90
4.4. Стадия предварительная обработка изображения.91
4.5. Стадия локализации номерного знака.92
4.5.1. преобразования в черно-белое изображение.94
4.5.1Л. Глобальные методы.95
4.5.1.2. Локальный метод (адаптивный метод).97
4.5.2. маркировка связных компонентов.100
4.5.3. Классификация выделенных связных компонентов.101
4.6. Выводы по четвертой главе.106
ЗАКЛЮЧЕНИЕ.108
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ.109
ПРИЛОЖЕНИЕ 1.116
ПРИЛОЖЕНИЕ 2.118
ПРИЛОЖЕНИЕ 3.124
ВВЕДЕНИЕ
Развитие компьютерных технологий обеспечивает их применение в широком диапазоне областей, в том числе в области автоматического распознавания символов. Известны автоматизированные системы распознавания символов английского, японского и китайского языков, в то время как для внедрения подобных систем на других языках, например, на арабском, необходимы дополнительные исследования. Простое применение уже разработанных алгоритмов во многих случаях невозможно из-за наличия в каждом языке своих специфических символов, знаков и лингвистики построения текстов.
Проблема автоматизированного ввода в компьютер текстовой информации также не потеряла своей актуальности. Более того, она приобретает все большую остроту в связи с массовой информатизацией всех сторон жизни.
Вследствие доступности и относительной дешевизны мощных микропроцессоров, в настоящее время появляется возможность реализации современных специализированных систем, например видео контроль автомобильного движения. Это комплексная проблема поиска, локализации и идентификации номерного знака в реальном масштабе времени при движении объектов.
В данной диссертационной работе рассматривается разработка автоматизированной системы распознавания арабско-индийских цифр и символов арабского языка, что важно для многих предметных областей, в том числе и в области локализации и распознавания номерных знаков, в которых содержатся арабско-индийские цифры и символы арабского и английского языков. Это связано с тем, что в последнее время возросла интенсивность движения и количество автомобильных аварий.
Разрабатываемая система автоматически отслеживает нарушителей дорожного движения и записывает автомобильные номера нарушителей в базу данных. Такой автоматический контроль позволяет ощутимо снизить количество нарушений и аварийность на дорогах Иордании.
Анализ известных систем показал, что они, во-первых, дают неудовлетворительные результаты на изображениях низкого качества (которые обычно как раз и получают с видеокамер), во-вторых, не работают на сложных (разноплановых) изображениях, так как на них трудно локализовать требуемую область распознавания, а в-третьих, все они ориентированы на строго определенные условия (освещенность, угол поворота камеры, яркость и т.д.).
Поиск эффективного решения описанной задачи локализации и распознавания номерного знака (арабского) составляет суть диссертационной работы.
Объектом исследования являются компьютерные методы обработки изображений, иерархические и статистические методы классификации, а также ранговые оценки семантического содержания.
Предметом исследования являются инструментально-технические средства обработки изображений: видеокамера, процессор и программы экспериментальной оценки качества распознавания арабско-индийских цифр, слов и номерных знаков.
Целью работы является исследование и разработка метода, алгоритма и программ распознавания знаков, символов, цифр и букв арабского языка, обеспечивающих анализ и обработку информации на изображении с целью обнаружения, локализации и идентификации автомобильного номерного знака. Для достижения поставленной цели в диссертационной работе решаются следующие задачи:
1. Выделение специфических особенностей символов, знаков, букв и цифр арабского языка;
2. Исследование основных подходов к системам распознавания символов арабского языка и арабско-индийских цифр;
3. Разработка алгоритма выделения специфических признаков арабского языка (выделение скелета слов, обнаружение базисной линии слов);
4. Разработка метода оценки качества признаков для распознавания арабско-индийских цифр;
5. Разработка метода повышения надежности распознавания арабско-индийских цифр на основе использования комплексного вектора идентификационных признаков и интеграции различных классификаторов;
6. Разработка программы локализации и идентификации автомобильных номерных знаков и ее экспериментальная апробация;
7. Исследование надежности распознавания автомобильных номерных знаков, снятых видеокамерой под разными углами.
Основные методы исследования. В качестве методов исследования использовались цифровые методы обработки изображений, корреляционные и нейронные классификаторы, морфологические методы селекции элементов изображения.
Научная новизна. В диссертации предложены и решены следующие задачи:
1. Разработан алгоритм обнаружения базисной линии слова арабского языка;
2. Разработан алгоритм и программа распознания арабско-индийских цифр с использованием нескольких методов выделения признаков;
3. Для повышения надежности системы распознавания используются обучаемые матрицы как мажоритарные классификаторы;
4. Локализация и распознавание автомобильного номерного (арабского) знака при наличии помех на изображении и при разных углах съемки.
Положения, выносимые на защиту. На основе проведенной теоретической работы и экспериментальной апробации разработанных методов на защиту выносятся следующие положения:
5. Алгоритм обнаружения базисной линии слов арабского языка.
6. Система распознавания арабско-индийских цифр с использованием комбинаций векторов и интеграции различных классификаторов.
7. Алгоритм локализации номерного знака с использованием нейро-сетевого классификатора и маркировка значимых (черных) пикселов.
Теоретическая значимость работы заключается в разработке системы распознавания арабско-индийских цифр и символов арабского языка, алгоритма обнаружения базисной линии слов арабского языка, и алгоритма локализации и распознавания номерного знака. :
Практическая ценность. Заключается в создании системы автоматизированного ввода и обработки текстов на арабском языке, что позволяет реализовать: распознавание и идентификацию номерного знака, считывающие устройства для банковских чеков, почтовые системы считывания, автоматизацию делопроизводства, распознавание и аутентификацию подписи.
Апробация работы. Научные результаты и основные положения работы представлялись на конференции: II Иорданская международная конференция по вычислительной технике "JICCSE-2006 " (Амман, Иордания, 2006), X Санкт-Петербургская международная конференция «Региональная информатика-2006» (Санкт-Петербург, Россия, 2006).
Реализация и внедрение. Полученные результаты реализованы в виде ряда программных систем на различных языках программирования (Java, Matlab). Данные программные системы используются для тестирования и в качестве системы локализации и распознавания номерного знака.
Публикации. Основные теоретические и практические результаты диссертации опубликованы в 5 работах [1],[2],[3],[4],[5], среди которых публикации в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК 2 работы, а также материалы научно-технических и всероссийских конференций в количестве трех.
Структура и объем диссертационной работы. Диссертация состоит из введения, 4 глав, заключения, излагается на 131 странице, включая перечень используемой литературы из 71 наименований, 40 рисунков и 4 таблицы. Кроме того, в диссертации имеется приложение на 16 листах, содержащие в себе примеры работы разработанных программ, реализующих алгоритмы, описанные в диссертации.
Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Модели и методы распознавания динамических образов на основе пространственно-временного анализа последовательностей изображений2011 год, доктор технических наук Фаворская, Маргарита Николаевна
Разработка алгоритмов распознавания рукописных символов на основе аналитических свойств изображения2010 год, кандидат физико-математических наук Сорокин, Андрей Игоревич
Нечеткие алгоритмы в некоторых задачах распознавания и управления2004 год, кандидат физико-математических наук Киселев, Виталий Валерьевич
Проектирование математического обеспечения для автоматизированной системы распознавания печатных документов на вьетнамском языке2008 год, кандидат технических наук Хоанг Зянг
Методы и алгоритмы обнаружения наложенных текстовых символов в системах распознавания изображений со сложной фоновой структурой2007 год, кандидат технических наук Зотин, Александр Геннадьевич
Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Аль-Рашайда Хасан Хусейн
4.6. ВЫВОДЫ ПО ЧЕТВЕРТОЙ ГЛАВЕ
Результаты экспериментальных исследований успешно подтвердили выдвинутые ранее теоретические положения. Тестирование программной реализации разработанного метода и алгоритмов показало высокую точность распознавания номерного знака автомобиля .
В отличие от других рассмотренных системах и методов [55 - 66], разработанная система иметь дела с различными видами номерными знаками автомобилей , в которых содержатся арабско-индийские цифры и символы арабского и английского языков. Также данный метод дают хорошие результаты на изображениях низкого качества, работают на сложных (разноплановых) изображениях, и работает хорошо при различных условиях (освещенность, угол поворота камеры, яркость и т.д.).
Следует также отметить следующие результаты:
1. Локализация области номерного знака производится через символы на знаке при помощи связных компонентов , нейронной сети , комбинации различных методов выделения признаков и интеграции результатов различных классификаторов.
2. Автоматически производится коррекция условий освещенности. Метод адаптивно выбирает пороги отличия символа от фона, что делает его малочувствительным к освещению и условиям экспозиции.
3. Данный метод не требует дополнительного обучения при добавлении новых видов номерных знаков, когда символы на знаке уже известно для нейронной сети.
108
ЗАКЛЮЧЕНИЕ
В представленной работе для достижения поставленных задач решены следующие вопросы.
1. Разработан алгоритм для обнаружения базисной линии слова арабского языка.
2. Разработан метод распознавания арабско-индийских цифр с использованием различных методов выделения признаков.
3. Предложен метод оценки качества признаков для распознавания арабско-индийских цифр.
4. Разработан метод повышения надежности распознавания арабско-индийских цифр на основе использования комплексного вектора идентификационных признаков и интеграции различных классификаторов.
5. Предложен метод выявления характерных признаков для эффективного выделения и распознавания автомобильного номерного знака при наличии помех и при различных углах обзора.
6. Разработаны программы локализации и идентификации автомобильных номерных знаков.
7. Экспериментальная апробация показала эффективность разработанных алгоритмов и программ.
Основные положения и отдельные результаты работы докладывались и обсуждались на следующих конференциях и семинарах:
1. II Иорданская международная конференция по вычислительной технике "JICCSE-2006 " (Амман, Иордания, 2006),
2. X Санкт-Петербургская международная конференция «Региональная информатика-2006» (Санкт-Петербург, Россия, 2006).
Список литературы диссертационного исследования кандидат технических наук Аль-Рашайда Хасан Хусейн, 2008 год
1. Al-Rashaidch, Н. Preprocessing phase for Arabic word handwritten Recognition (Предварительная обработка для распознавания рукописных слов арабского языка) Информационные процессы, 2006. - Т. 6, № 1,-С. 11-19.
2. Кулешов, С.В., Зайцева, А.А., and Аль-Рашайда, X. Выявление несанкционированных вставок в видеопотоке методом ранговых распределений // Труды СПИИРАН. СПб.: Наука. - 2006. - Т. 2, Вып. 3. -С96- 101.
3. Аль-Рашайдех, X. and Кулешов, C.B. Метод распознавания арабско-индийских цифр // Изв. вузов. Приборостроение. -2007. -Т. 50, № 12.- С. 8 12.
4. Plamondon, R., Srihari, S.N., Polytech, Е., and Montreal, Q. Online and off-line handwriting recognition: a comprehensive survey // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. -vol. 22, №. l.-pp. 63-84.
5. Alexandrov, V.V. and Gorsky, N.D. Can Computer Vision System Work Like the Human One? // International Journal of Imaging Systems and Technology. 1991.-vol. 3,№. -pp. 269-277.
6. Alexandrov, V.V. and Gorsky, N.D. Image representation and processing: a recursive approach. Dordrecht; Boston: Kluwer Academic Publishers 1993.-е. 191.
7. Aleksandrov, V.V. and Gorskii, N.D. From Humans to Computers: Cognition Through Visual Perception. SINGAPORE: World Scientific, 1991.-c. 203.
8. El-Wakil, M.S. and Shoukry, A. On-line recognition of handwritten isolated Arabic characters // Pattern Recognition. 1989. — vol. 22, №. 2.-pp. 97-105.
9. El-Sheikh, T.S. and El-Taweel, S.G. Real-time Arabic handwritten character recognition // Image Processing and its Applications, 1989., Third International Conference on. 1989. - pp. 212-216.
10. Al-Emami, S. and Usher, M. On-line recognition of handwritten Arabic characters // Pattern Analysis and Machine Intelligence, IEEE Transactions on. 1990. - vol. 12, №. 7. - pp. 704-710.
11. Belaid, A. and Haton, J.P. A Syntactic approach for handwritten mathematical formula recognition // Ieee Trans. Pattern Anal. Mach. Intellig. 1984.-vol. 6, №. l.-pp. 105-110.
12. Alimi, A.M. and Ghorbel, O.A. The Analysis of Error in an OnLine Recognition System of Arabic Handwritten Characters // Proceedings oflCDAR.- 1995.
13. Abuhaiba, I.S.I., Holt, M.J.J., and Datta, S. Recognition of OffLine Cursive Handwriting // Computer Vision and Image Understanding. -1998.-vol. 71, №. l.-pp. 19-38.
14. Zeki, A.M. The Segmentation Problem in Arabic Character Recognition The State Of The Art // Information and Communication Technologies, 2005. ICICT 2005. First International Conference on. 2005.
15. Maddouri, S.S. and Amiri, H. Combination of local and global vision modelling for Arabic handwritten words recognition // Frontiers in Handwriting Recognition, 2002. Proceedings. Eighth International Workshop on. 2002. -pp. 128-135.
16. Parhami, B. and Taraghi, M. Automatic recognition of printed Farsi texts // Pattern Recognition. 1981. - vol. 14, №. 1-6. - pp. 395-403.
17. Amin, A. and Masini, G. Machine recognition of cursive Arabic words // SPIE. 1982. - vol. 359. - pp. 1127-1135.
18. Goraine, H., Usher, M., and Al-Emami, S. Off-line Arabic character recognition // Computer. 1992. — vol. 25, №. 7. — pp. 71-74.
19. Amin, A. Segmentation of Printed Arabic Text // Proceedings of the Second International Conference on Advances in Pattern Recognition. -2001.-, №. -pp. 115-126.
20. Freeman, H. Computer Processing of Line-Drawing Images // ACM Computing Surveys. 1974. - vol. 6, №. I. - pp. 57 - 97.
21. Bushofa, B.M.F. and Spann, M. Segmentation of Arabic characters using their contour information // Digital Signal Processing Proceedings, 1997. DSP 97., 1997 13th International Conference on. 1997*. - vol. 2, №.
22. Wedyan, F.E. Skeletonization and Segmentation Using Neural Networks of Handwritten Arabic Text. Mafraq Jordan A1 albyt University, 1999.
23. Zhang, D. and Lu, G. A comparative study on shape retrieval using Fourier descriptors with different shape signatures // Proc. of International Conference on Intelligent Multimedia and Distance Education (ICIMADEO1). 2001.
24. Duda, R.O., Hart, P.E., and Stork, D.G. Pattern Classification. -NY: Wiley-Interscience, 2000. c. 654
25. Amin, A. Prototyping Structural Description Using Decision Tree Learning Techniques // 16th Int. Conf. on Pattern Recognition. 2002. -.
26. Amin, A. Structural Description to Recognising Arabic Characters Using Decision Tree Learning Techniques // Machine Learning. 2002. -vol. 4. -pp. 5.
27. Amin, A., Al-Sadoun, H., and Fischer, S. Hand-printed arabic character recognition system using an artificial network // Pattern Recognition. 1996. - vol. 29, №. 4. - pp. 663-675.
28. Simon, J.C. and Lafori, P. Off-line cursive word recognition // Proceedings of the IEEE. 1992. - vol. 80, №. 7. - pp. 1150-1161.
29. Gorsky, N.D. Experiments with handwriting recognition using holographic representation of line images // Pattern Recognition Letters. — 1994. vol. 15, №. 9. - pp. 853-859.
30. Горский, H., Анисимов, В., and Горская, JI. Распознавание рукописного текста: от теории к практике. СПБ: Политехника, 1997. — с. 126.
31. Steinherz, Т., Rivlin, Е., and Intrator, N. Offline cursive script word recognition a survey // Intern. Journ. on Documents Analysis and Recognition IJDAR -1999. -№. 9. - pp. 90 - 110.
32. Al-Taani, A.T. An Efficient Feature Extraction Algorithm for the Recognition of Handwritten Arabic Digits // Intern. Journ. of Computational Intelligence. 2005. - vol. 2.
33. Pechwitz, M., Maddouri, S.S., and Maergner, V. 1FN/EN1T database of handwritten Arabic words // Proc. of CIFED02. Hammamet, Tunisia. - 2002. - pp. 129- 136.
34. Maragos, P.A. and Schafer, R.W. Morphological Skeleton Representation and Coding of Binary Images // IEEE Transactions on Acoustics, Speech and Signal Processing. 1986. -№. 5. - pp. 1228 - 1244.
35. Gorski, N., Anisimov, V., Augustin, E., Baret, O., Price, D., and Simon, J.C. A2iA Check Reader: A Family of Bank Check Recognition Systems // 5th International Conference on Document Analysis and Recognition. Bangalore, India. — 1999. pp. 523-526.
36. Chang, S.L., Chen, L.S., Chung, Y.C., and Chen, S.W. Automatic license plate recognition // IEEE Transactions on Intelligent Transportation Systems. -2004. vol. 5, №. 1. - pp. 42-53.
37. Lorigo, L.M. and Govindaraju, V. Offline Arabic Handwriting Recognition: A Survey // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2006. - vol. 28, №. 5. - pp. 712-724.
38. Khorsheed, M.S. Off-Line Arabic Character Recognition-A Review // Pattern Analysis & Applications. 2002. - vol. 5, №. 1. - pp. 31-45.
39. Arica, N. and Yarman-Vural, F.T. An Overview of Character Recognition Focused on Off-Line Handwriting // IEEE Transaction on Systems, Man, and Cybernetics-Part C: Applications and Reviews. 2001. -vol. 31, №.2.-pp. 217.
40. Trier, O.D., Jain, A.K., and Taxt, T. Feature extraction methods for character recognition-a survey // Pattern Recognition. — 1996. — vol. 29, Ж 4.-pp. 641-662.
41. Al-Omari, F.A. and Al-Jarrah, O. Handwritten Indian numerals recognition system using probabilistic neural networks // Advanced Engineering Informatics. 2004. - vol. 18, №. 1. — pp. 9-16.
42. Mowlaei, A., Faez, K., and Haghighat, A.T. Feature extraction with wavelet transform for recognition of isolated handwritten Farsi/Arabic characters and numerals // 14th International Conference on Digital Signal Processing. 2002.
43. Harifi, A. and Aghagolzadeh, A. A New Pattern for Handwritten Persian/Arabic Digit Recognition // International Journal of Information Technology. 2004. - vol. 1, №. 4. - pp. 293-296.
44. Shirali-Shahreza, M.H., Faez, K., and Khotanzad, A. Recognition of handwritten Persian/Arabic numerals by shadow coding and an edited probabilistic neural network // Proceedings of the 1995 International Conference on Image Processing —1995. — vol. 3.
45. Kharma, N., Ahmed, M., and Ward, R. A new comprehensive database of handwritten Arabic words, numbers, and signatures used for OCR testing // IEEE Canadian Conference on Electrical and Computer Engineering.- 1999.
46. Ни, M.K. Visual pattern recognition by moments invariants // Information Theory, IEEE Transactions on. 1962. - vol. 8, №. 1. — pp. 179187.
47. Lippmann, R.P. Pattern classification using neural networks // Communications Magazine, IEEE. 1989. - vol. 27, №.11.- pp. 47-50.
48. Lippmann, R. An Introduction to Computing with Neural Nets // ASSP Magazine, IEEE see also IEEE Signal Processing Magazine]. 1987. - vol. 4, №. 2 Part 1. - pp. 4-22.
49. Дуда and Харт Распознавание образов и анализ сцен. — М.: Мир, 1976.-с.
50. Kittler, J., Hatef, М., Duin, R.P.W., and Matas, J. On combining classifiers // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998. - vol. 20, №. 3. - pp. 226-239.
51. Lam, L. and Suen, S.Y. Application of majority voting to pattern recognition: an analysis of its behavior and performance // IEEE Transactions on Systems, Man and Cybernetics, Part A. 1997. - vol. 27, №. 5. -pp. 553-568.
52. Parker, J.R. and Federl, P. An approach to licence plate recognition // Computer Science Technical reports. 1996. - pp. 591-11.
53. Hsieh, J.W., Yu, S.H., and Chen, Y.S. Morphology-based License Plate Detection from Complex Scenes // 16th International Conference on Pattern Recognition (ICPR'02) Vol. 2002. - vol. 3.
54. Duan, T.D., Du, T.L.H., Phuoc, T.V., and Hoang, N.V. Building an Automatic Vehicle License-Plate Recognition System II International Conference in Computer Science. Can Tho, Vietnam. 2005
55. Hongliang, B. and Changping, L. A hybrid license plate extraction method based on edge statistics and morphology // Proceedings of the 17th International Conference on Pattern Recognition(ICPR04). 2004. -vol. 2.
56. Wang, S.Z. and Lee, H.M. Detection and Recognition of License Plate Characters with Different Appearances // Proceedings of IEEE Intelligent Transportation Systems -2003. pp. 979 - 984.
57. Kahraman, F. and Kurt, B. License Plate Character Segmentation Based on the Gabor Transform and Vector Quantization // Lecture Notes in Computer Science. 2003. - pp. 381-388.
58. Abdullah, S., Khalid, M., Yusof, R., and Omar, K. License Plate Recognition using Multi-cluster and Multilayer Neural Networks // Information and Communication Technologies, 2006. ICTTA'06. 2nd. 2006.
59. Chang, S.L., Chen, L.S., Chung, Y.C., and Chen, S.W. Automatic license plate recognition // Intelligent Transportation Systems, IEEE Transactions on. 2004. - vol. 5, №. 1. - pp. 42-53.
60. Kim, K.I., Jung, К., and Kim, J.H. Color Texture-Based Object Detection: An Application to License Plate Localization // Proceedings of the First International Workshop on Pattern Recognition with Support Vector Machines. 2002. - pp. 293-309.
61. Hsieh, C.T., Juan, Y.S., and Hung, K.M. Multiple License Plate Detection for Complex Background // Advanced Information Networking and Applications, 2005. AINA 2005. 19th International Conference on. -2005. vol. 2.
62. Zunino, R. and Rovetta, S. Vector quantization for license-plate location and image coding // Industrial Electronics, IEEE Transactions on. -2000. vol. 47, №. l.-pp. 159-167.
63. Wang, S.Z. and Lee, H.M. Detection and Recognition of License Plate Characters with Different Appearances // Intelligent Transportation Systems, 2003. Proceedings. 2003 IEEE. 2003. - pp. 979 - 984.
64. Sahoo, P.K., Soltani, S., Wong, A.K.C., and Chen, Y.C. A survey of thresholding techniques // Computer Vision, Graphics, and Image Processing. 1988. - vol. 41, №. 2. - pp. 233-260.
65. Sezgin, M. and Sankur, B. Survey over image thresholding techniques and quantitative performance evaluation // Journal of Electronic Imaging. 2004. - vol. 13. -pp. 146.
66. Otsu, N. A threshold selection method from gray level // IEEE Transactions on Systems, Man, and Cybernetics. 1979. - vol. 9, №. l.-pp. 62-66.
67. Niblack, W. An introduction to digital image processing. NJ: Prentice Hall, 1986. - c. 215
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.