Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений
В статье рассмотрены методы решения задачи сегментации символов на изображениях номерных знаков автотранспортных средств на основе сопоставления с моделями расположения символов. Предложенные методы сопоставления позволяют учесть искажения в положении символов, связанные с ракурсом съемки автомобиль...
Збережено в:
| Опубліковано в: : | Штучний інтелект |
|---|---|
| Дата: | 2012 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2012
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/56422 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений / К.В. Мурыгин // Штучний інтелект. — 2012. — № 1. — С. 97-102. — Бібліогр.: 4 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860270211398107136 |
|---|---|
| author | Мурыгин, К.В. |
| author_facet | Мурыгин, К.В. |
| citation_txt | Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений / К.В. Мурыгин // Штучний інтелект. — 2012. — № 1. — С. 97-102. — Бібліогр.: 4 назв. — рос. |
| collection | DSpace DC |
| container_title | Штучний інтелект |
| description | В статье рассмотрены методы решения задачи сегментации символов на изображениях номерных знаков автотранспортных средств на основе сопоставления с моделями расположения символов. Предложенные методы сопоставления позволяют учесть искажения в положении символов, связанные с ракурсом съемки автомобильного номерного знака, а также увеличить качество сегментации символов на изображениях с частичным затенением автомобильного номера.
Розглянуто методи вирішення задачі сегментації символів на зображеннях номерних знаків автотранспорт- них засобів на основі зіставлення з моделями розташування символів. Запропоновані методи зіставлення дозволяють врахувати відхилення в розташуванні символів, які пов’язані з ракурсом зйомки автомобільного номерного знаку, а також покращити якість сегментації символів на зображеннях з частковим затемненням автомобільного номеру.
In the article, methods for car plate symbols segmentation on the basis of comparison to models of arrangement of symbols are considered. The offered methods for comparison allow to consider distortions in position of symbols connected with perspective differences and also to increase quality of segmentation of symbols in images with partial shadowing of a car plate.
|
| first_indexed | 2025-12-07T19:05:47Z |
| format | Article |
| fulltext |
«Штучний інтелект» 1’2012 97
3М
УДК 004.89:004.93
К.В. Мурыгин
Институт проблем искусственного интеллекта
МОН Украины и НАН Украины, г. Донецк
Украина, 83048, г. Донецк, ул. Артема, 118 б
Сегментация символов автомобильного номерного
знака с учетом изменений ракурса съемки
и затенения изображений
K.V. Murygin
Institute of Artificial Intelligence
MES of Ukraine and NAS of Ukraine, c. Donetsk
Ukraine, 83048, c. Donetsk, Artema st., 118 b
Car Plate Symbols Segmentation with Consideration
of Perspective Deformation and Partial Shadowing
of Car Plate Images
К.В. Муригін
Інститут проблем штучного інтелекту
МОН України і НАН України, м. Донецьк
Україна, 83048, м. Донецьк, вул. Артема 118 б
Сегментація символів автомобільного номерного знаку
з врахуванням змін в ракурсі зйомки
та затемнення зображень
В статье рассмотрены методы решения задачи сегментации символов на изображениях номерных знаков
автотранспортных средств на основе сопоставления с моделями расположения символов. Предложенные
методы сопоставления позволяют учесть искажения в положении символов, связанные с ракурсом съемки
автомобильного номерного знака, а также увеличить качество сегментации символов на изображениях с
частичным затенением автомобильного номера.
Ключевые слова: сегментация символов, обработка изображений, анализ изображений.
In the article, methods for car plate symbols segmentation on the basis of comparison to models of arrangement of
symbols are considered. The offered methods for comparison allow to consider distortions in position of symbols
connected with perspective differences and also to increase quality of segmentation of symbols in images with partial
shadowing of a car plate.
Key words: segmentation, image processing, image analysis.
Розглянуто методи вирішення задачі сегментації символів на зображеннях номерних знаків автотранспорт-
них засобів на основі зіставлення з моделями розташування символів. Запропоновані методи зіставлення
дозволяють врахувати відхилення в розташуванні символів, які пов’язані з ракурсом зйомки автомобільного
номерного знаку, а також покращити якість сегментації символів на зображеннях з частковим затемненням
автомобільного номеру.
Ключові слова: сегментація символів, обробка зображень, аналіз зображень.
Мурыгин К.В.
«Искусственный интеллект» 1’201298
3М
А
Введение
Сегментация символов является важным промежуточным этапом при обработке
изображений автотранспортных средств с целью автоматического считывания автомо-
бильного номера. В рамках сложившихся подходов к решению общей задачи рас-
познавания автомобильных номеров, сегментация символов проводится после этапа об-
наружения номерного знака и его нормализации [1], и перед выполнением операции
распознавания символов [2]. Качество распознавания символов во многом зависит от ка-
чества проведенной сегментации, что определяет важность этого этапа в цикле обработки
входных данных в системах распознавания номеров. Небольшие отклонения в опреде-
лении положения символов могут быть учтены на этапе распознавания символов за счет
использования методов, допускающих большую вариативность входных данных. Это, как
правило, приводит к увеличению вычислительной сложности этапа распознавания и не
гарантирует достижения высокой результативности распознавания.
В работе [3] предложен метод сегментации символов на изображениях автомобиль-
ных номеров [4], основанный на сопоставлении с реальным изображением номера раз-
личных моделей расположения символов. При поиске соответствия модели изображению
допускались линейные искажения геометрии номера, такие, как сжатие и растяжение
независимо по горизонтали и вертикали. Нахождение максимального значения критерия
соответствия модели изображению позволяет определить найденный тип модели рас-
положения символов, и их положение на изображении. Преимуществом предложенного
метода является независимость от алфавита используемых в номере символов. Кроме
этого, метод позволяет определить тип модели расположения символов, что часто дает
априорную информацию о принадлежности символов к буквам или цифрам и упрощает
дальнейшее распознавание. Метод устойчиво работает с частично смазанными или раз-
мытыми изображениями, существенными искажениями отдельных символов (загрязне-
ние и т.п.) – модель «достраивает» положение символа на основе расположения других
символов. Вместе с этим, следует отметить ряд недостатков предложенного метода. Во-
первых, в связи с различными условиями получения изображений, номерные знаки могут
иметь значительные искажения, связанные с ракурсом съемки, которые не могут быть
учтены линейными искажениями модели типа сжатие или растяжение. Во-вторых, пред-
ложенный критерий соответствия модели реальному изображению дает высокий процент
ошибок на частично затененных изображениях номерных знаков.
Целью данной работы является модификация предложенного метода сегментации
символов в направлении увеличения его качественных показателей в условиях перспек-
тивных искажений изображений номерных знаков и их частичного затенения.
Изменение модели номера
при изменении ракурса съемки
При изменении ракурса съемки изображение номерного знака может существенно
изменяться нелинейным образом в связи с перспективными искажениями. Следовательно,
изменениям подвергнутся относительное положение и размеры символов, учесть которые
за счет сжатия и растяжения модели по горизонтали и вертикали невозможно в силу их
линейности. На рис. 1 показана модель получения перспективных искажений изображе-
ний номерных знаков, рассматриваемая в данной работе.
На рис. 1 номерной знак в плоскости наблюдения представляется отрезком АВ.
Реальное положение номерного знака при съемке может отклоняться от его нормального
Сегментация символов автомобильного номерного знака...
«Штучний інтелект» 1’2012 99
3М
положения в плоскости Y, параллельной фокальной плоскости X на произвольный угол φ.
Тогда в повернутой на угол φ плоскости X` номерной знак будет соответствовать отрезку
A`B`. Можно показать, что линейная координата в отрезке A`B` с точностью до масштаб-
ного коэффициента связана с линейной координатой в отрезке АВ следующим соотноше-
нием:
`kx1
`x
x
, (1)
где x – координата в плоскости наблюдения X, x` – координата в плоскости X`,
k – коэффициент перспективного искажения. С учетом соотношения (1) можно выпол-
нять искажения модели в процессе ее подгонки под реальное изображение с учетом
возможных перспективных искажений, диапазон которых регулируется диапазоном
изменения параметра k.
Рисунок 1 – Проекция на горизонтальную плоскость модели получения
перспективных искажений
Рисунок 2 – Примеры искажения модели расположения символов с учетом
перспективных искажений
X
O
φ Y
X`
A B
A`
B`
Мурыгин К.В.
«Искусственный интеллект» 1’2012100
3М
А
На рис. 2 показаны примеры искажения модели расположения символов с учетом
перспективных искажений при съемке номерного знака. Центральное изображение мо-
дели соответствует отсутствию перспективных искажений.
Предложенная выше модель обработки перспективных искажений изображений но-
мерных знаков позволяет успешно выделять символы на изображениях номерных знаков,
полученных при разных ракурсах съемки. На рис. 3 приведен пример обработки реаль-
ного изображения с целью сегментации символов автомобильного номера.
а)
б)
Рисунок 3 – Пример сегментации символов на изображении номерного знака
с учетом перспективных искажений: исходное изображение (а),
результат сегментации символов (б)
Обработка затененных изображений
При обработке частично затененных изображений номерных знаков предложенный
метод сопоставления с моделью расположения символов часто приводит к ошибкам. Это
связано со значительным отличием частично затененного изображения номера и изобра-
жения модели согласно используемому критерию соответствия. Сопоставление модели с
изображением в данном случае приводит к ошибочному определению в качестве номера
его части, внутри которой яркость фона изменяется незначительно. В силу случайного
характера возможного затенения номера учесть это искажение в модели и критерии
сопоставления достаточно сложно. Вместо этого предлагается внести в алгоритм сегмен-
тации символов предварительную обработку изображения, уменьшающую эффект зате-
нения изображения. На рис. 4 приведен пример номерных знаков с частичным затенением
изображения номера.
Для уменьшения эффекта искажения изображения номера при его частичном зате-
нении предлагается использовать операцию локального контрастирования. Используемый
алгоритм локального контрастирования заключается в вычислении в каждой точке изо-
бражения взвешенного среднего с использованием в качестве значения весов гауссовской
функции с центром в центральной точке окна обработки. При использовании окна раз-
мером 5×5 пикселей в качестве гауссовской маски весов использовалась маска:
01110
11211
12821
11211
01110
32
1
M ij .
Сегментация символов автомобильного номерного знака...
«Штучний інтелект» 1’2012 101
3М
Тогда взвешенное среднее значение в центральной точке окна может быть по-
лучено согласно выражению:
ij
ijjl,ikkl MPICMID ,
где klMID – взвешенное среднее в центральной точке окна, PIC – исходное изо-
бражение, суммирование ведется по окну обработки.
Рисунок 4 – Пример номерных знаков с частичным затенением изображения
номера
Новое значение яркости в центральной точки окна, получаемое в ходе локаль-
ного контрастирования, вычисляется согласно выражению:
.иначе,255
,255MID/PIC128,MID/PIC128
LOC klklklkl
kl
Пример выполнения операции локального контрастирования показан на рис. 5.
а) б)
Рисунок 5 – Пример локального контрастирования изображений номерных
знаков: исходные изображения (а), результат локального контрастирования (б)
В результате применения локального контрастирования к исходным изображениям
номерных знаков уменьшается влияние частичного затенения номера на результат сег-
ментации символов. Пример выполнения операции сегментации после применения ло-
кального контрастирования показан на рис. 6.
а)
б)
в)
Рисунок 6 – Пример выполнения операции сегментации после применения
локального контрастирования: исходные изображения (а), результат локального
контрастирования (б), результат сегментации символов (в)
Мурыгин К.В.
«Искусственный интеллект» 1’2012102
3М
А
Выводы
В данной работе предложены усовершенствования метода сегментации символов на
изображениях автомобильных номеров в направлении учета перспективных искажений
изображений и возможного частичного затенения номера. Предложенные усовершенство-
вания позволили увеличить качество распознавания автомобильных номеров в более ши-
роком диапазоне возможных искажений. Тестирование предложенных усовершенствова-
ний на базе, содержащей 1007 изображений, полученных с различных ракурсов съемки (до
60 градусов по горизонтали и до 40 по вертикали), показало уменьшение ошибки распоз-
навания номеров с 19% до 11% по сравнению с использованием метода сегментации,
описанного в [3].
Литература
1. Мурыгин К.В. Обнаружение автомобильных номеров на основе смешанного каскада классифи-
каторов / К.В. Мурыгин // Искусственный интеллект. – 2010. – № 2. – С. 147-152.
2. Мурыгин К.В. Применение МКВ-классификатора для распознавания символов автомобильных
номеров / К.В. Мурыгин // Искусственный интеллект. – 2011. – № 4. – С. 203-206.
3. Мурыгин К.В. Нормализация изображения автомобильного номера и сегментация символов для
последующего распознавания / К.В. Мурыгин // Искусственный интеллект. –2010. – № 3. – С. 364-369.
4. Національний стандарт України, ДСТУ 4278:2004: дорожній транспорт. Знаки номерні транспортних
засобів, с. 2.
Literatura
1. Murygin K.V. Iskusstvennyj intellect. 2010. № 2. S. 147-152.
2. Murygin K.V. Iskusstvennyj intellect. 2011. № 4. S. 203-206.
3. Murygin K.V. Iskusstvennyj intellect. 2010. №.3. S. 364-369.
4. Nacionalnij standart Ukrajny, DSTU 4278:2004: dorojnij transport. Znaky nomerni transportnyh zasobiv. S. 2.
K.V. Murygin
Car Plate Symbols Segmentation with Consideration of Perspective
Deformation and Partially Shadowing of Car Plate Images
In the article, updating of the car plate symbols segmentation method based on
comparison of symbols arrangement models with the real image is considered. The offered
updating of the method is based on taking into account possible perspective distortions of
the license plate and partial shadowing of plate images.
For the consideration of perspective distortions, it is offered to expand possibilities of
a variation of models of symbols arrangement, considering expression (1). It would allow
more flexibly model matching with the real image and more precisely defining the
positions of symbols in the conditions of perspective distortions of license plates images.
For increase of quality of symbols segmentation in the conditions of partial shadowing of
license plates, it is offered to use preliminary processing of the entrance image of the license
plate, based on local contrast algorithm. Applying of local contrast algorithm to entrance
images has allowed reducing influence of partial shadowing of plates on the result of seg-
mentation of symbols.
Testing of the offered improvements on the base containing 1007 images received
from various foreshortenings (to 60 degrees across and to 40 on a vertical) has shown
reduction of a recognition error of plates from 19% to 11% in comparison with use of the
method of the segmentation described in [3].
Статья поступила в редакцию 19.12.2011.
|
| id | nasplib_isofts_kiev_ua-123456789-56422 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T19:05:47Z |
| publishDate | 2012 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Мурыгин, К.В. 2014-02-18T11:42:37Z 2014-02-18T11:42:37Z 2012 Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений / К.В. Мурыгин // Штучний інтелект. — 2012. — № 1. — С. 97-102. — Бібліогр.: 4 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/56422 004.89:004.93 В статье рассмотрены методы решения задачи сегментации символов на изображениях номерных знаков автотранспортных средств на основе сопоставления с моделями расположения символов. Предложенные методы сопоставления позволяют учесть искажения в положении символов, связанные с ракурсом съемки автомобильного номерного знака, а также увеличить качество сегментации символов на изображениях с частичным затенением автомобильного номера. Розглянуто методи вирішення задачі сегментації символів на зображеннях номерних знаків автотранспорт- них засобів на основі зіставлення з моделями розташування символів. Запропоновані методи зіставлення дозволяють врахувати відхилення в розташуванні символів, які пов’язані з ракурсом зйомки автомобільного номерного знаку, а також покращити якість сегментації символів на зображеннях з частковим затемненням автомобільного номеру. In the article, methods for car plate symbols segmentation on the basis of comparison to models of arrangement of symbols are considered. The offered methods for comparison allow to consider distortions in position of symbols connected with perspective differences and also to increase quality of segmentation of symbols in images with partial shadowing of a car plate. ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Анализ и синтез коммуникационной информации Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений Сегментація символів автомобільного номерного знаку з врахуванням змін в ракурсі зйомки та затемнення зображень Car Plate Symbols Segmentation with Consideration of Perspective Deformation and Partial Shadowing of Car Plate Images Article published earlier |
| spellingShingle | Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений Мурыгин, К.В. Анализ и синтез коммуникационной информации |
| title | Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений |
| title_alt | Сегментація символів автомобільного номерного знаку з врахуванням змін в ракурсі зйомки та затемнення зображень Car Plate Symbols Segmentation with Consideration of Perspective Deformation and Partial Shadowing of Car Plate Images |
| title_full | Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений |
| title_fullStr | Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений |
| title_full_unstemmed | Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений |
| title_short | Сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений |
| title_sort | сегментация символов автомобильного номерного знака с учетом изменений ракурса съемки и затенения изображений |
| topic | Анализ и синтез коммуникационной информации |
| topic_facet | Анализ и синтез коммуникационной информации |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/56422 |
| work_keys_str_mv | AT muryginkv segmentaciâsimvolovavtomobilʹnogonomernogoznakasučetomizmeneniirakursasʺemkiizateneniâizobraženii AT muryginkv segmentacíâsimvolívavtomobílʹnogonomernogoznakuzvrahuvannâmzmínvrakursíziomkitazatemnennâzobraženʹ AT muryginkv carplatesymbolssegmentationwithconsiderationofperspectivedeformationandpartialshadowingofcarplateimages |