<<
>>

4.3.2 Бинаризация пикселей в вейвлет-домене для выделение области номера

Вышеотмеченная крутизна границ области вейвлет-коэффициентов, соответствующей номеру может быть детектирована по большим значениям второй производной. Однако вместо сложной с вычислительной точки зрения процедуры вычисление вторых производных для каких-то двумерных подобластей растровых изображений мы предпочли использовать метод бинаризации вейвлет-пикселей с последующим применением специального клеточного автомата (КА) для кластеризации.

При бинаризации все пиксели вейвлет-изображения упорядочиваются по уровням серого. Затем нижние 70% становятся черными (=0), а верхние 30% - белыми (=1, см. рис.19 а). Дисциплина выживания каждой белой клетки КА в зависимости от восьми ее соседей, организована так, чтобы «выживала» слитная группа единичных пикселей, соответствующая области номера, а окружающие её отдельные единицы вымирали. Как видно из рис. 19 б)-в) после работы КА на краях вейвлет- изображения могут остаться какие-то бесформенные единичные участки, но они легко

а б в

Рис.19. Этапы выделения области изображения с рис.17, содержащей номер: а) после бинаризации; б) -в) начальный и конечный шаги эволюции клеточного автомата отвергаются при последующей проверке на соотношение длины и ширины,

характерной для таких кластеров. Центр тяжести кластера определяет

68

положение искомой области номера, а его размеры вычисляются по площади кластера (числе пикселей в нем) и отношению его длины к ширине.

Рис.20. Изображение того же автомобиля, что и на рис.17, но с включенными фарами, а также вид построчного ga -преобразования На рис.20-21 показаны также этапы распознавания по выделению области изображения с номером автомобиля для картинки, менее контрастной из-за включенного света фар и, вдобавок, идущей под углом.

Рис.21. Этапы выделения области изображения с рис 20, содержащей номер: а) после бинаризации; б) -в) два шага эволюции клеточного автомата

<< | >>
Источник: Стадник Алексей Викторович. Использование искусственных нейронных сетей и вейвлет-анализа для повышения эффективности в задачах распознавания и классификации. 2004

Еще по теме 4.3.2 Бинаризация пикселей в вейвлет-домене для выделение области номера:

  1. Доменное имя для сайта
  2. 7.6.2 р-адическое вейвлет-преобразование с вейвлетом Хаара
  3. 7.6 р-Адическое вейвлет-преобразование 7.6.1 Непрерывное вейвлет-преобразование над Qp
  4. 2.1 Структура сети для выделения сюжета изображения
  5. 4.2. Алгоритм идентификации состояния сцены по большему количеству пикселей в пределах апертуры
  6. Доменная структура кристаллов SBN
  7. 8. Пользуйтесь таблицами и списками для выделения пунктов в статье.
  8. Монтаж сооружений комплекса доменной печи.
  9. Стадник Алексей Викторович. Использование искусственных нейронных сетей и вейвлет-анализа для повышения эффективности в задачах распознавания и классификации, 2004
  10. 4.3. Алгоритм распознавания номеров автомобилей по изображениям
  11. 2 Разработка топологии искусственной нейронной сети для задач выделения сюжетной части изображения
  12. Тире в функции выделения между членами предложения для подчеркивания их смысла в стилистических целях
  13. 2.1 Методологическая роль эфиродинамики, концепция вакуумных доменов
  14. 8.2 Применение вейвлетов для разделения гауссовых пиков 8.2.1 Проблема разделения близколежащих пиков в ядерных экспериментах
  15. 1.3 Свойства оптических материалов для области спектра 10 мкм. Критерии для выбора оптических материалов мощных лазеров