Automatické rozpoznávanie ŠPZ motorových vozidiel v ... - Utc.sk
Automatické rozpoznávanie ŠPZ motorových vozidiel v ... - Utc.sk Automatické rozpoznávanie ŠPZ motorových vozidiel v ... - Utc.sk
Definícia ohodnotenia - (ohodnocujúce funkcie) sú kľúčom k úspešnej detekcii hranice. Zložitosť výpočtu ceny vrcholu môže byť taká, že je to prevrátená hodnota veľkosti lokálnej hrany v danom bode až po apriórnu znalosť o hľadanej hranici, cieli segmentácie, obrazových dátach a pod. f(n) = g(n) + h(n) (1.19) kde g vyjadruje ohodnotenie cesty a h je heuristicka zložka, ktorá odhaduje ohodnotenie cesty. Algoritmus vyberá na ďalšie expandovanie taký vrchol, ktorý má minimálne f(n), pričom berie do úvahy všetky otvorené vrcholy, t.j. tie, ktoré ešte neboli expandované. 1.3.2.3 Dynamické programovanie Je založené na princípe optimality a reprezentuje efektívnu cestu simultánneho hľadania optimálnych ciest z viacerých začiatočných a koncových bodov. Hľadá optimá funkcií, v ktorých nie všetky premenné sú navzájom závislé. Keď sa používa algoritmus A* na prehľadávanie grafu, je nutné vytvárať celý graf, čo je protikladom ku heuristickému hľadaniu. Myšlienka princípu optimality je: Ak existuje optimálna cesta z počiatočného do koncového vrcholu, ktorá ide cez E, tak obidve podcesty z počiatočného vrcholu do E a z E do koncového vrcholu musia byť tiež optimálne. 1.3.2.4 Houghova transformácia (využité v programe) Je segmentačná technika použiteľná vtedy, keď treba detekovať objekty so známym tvarom hranice(ich analitické vyjadrenie). Ide o transformáciu, ktorá mapuje body, alebo množinu bodov vstupného vektorového priestoru V na parametrický priestor P parametrov krivky(alebo iného parametricky popísateľného formálneho objektu), ktorý je analiticky definovaný rovnicou. Houghova transformácia je definovaná: Ak máme analitickú rovnicu f (( aˆ 1 ,...., aˆ m ),( x, y)) = 0 , vyjadrujúcu tvar hľadaných elementov, v parametroch a ,...., aˆ ˆ1 a premenných x,y. Spätná projekcia g sa získa m zámenou parametrov a premenných bodov [ x ˆ, yˆ ] na všetky tvary s parametrami ( a 1 ,...., a m ) , ktoré tento bod obsahujú. g(( xˆ, yˆ), ( a1,.., am )) = f (( a1,..., am ), ( xˆ, yˆ)) (1.20) 12
Spätná projekcia vstupných bodov F ∈ F = {( x , y ) | j 1,..., n} Houghovej transformácie (pre tvar f) sa definuje následovne: HT f n ∑ j j j = ( a1,..., am ) = h(( x j , y j ), ( a1,..., am ) (1.21) j= 1 kde ⎧1 h (( xˆ, yˆ),( a1 ,..., am )) = ⎨ pro g(( xˆ, yˆ), ( a1,..., am )) = 0 (1.22) ⎩0 Interpretácia tejto definície je následovná. Pri predpoklade, že je daný vstupný obraz, ktorý sa skladá z bodov a na ňom sa hľadá analytická rovnica vyjadrujúcu objekt(tvar). Body, ktoré ležia na takomto objekte majú tú vlastnosť, že splňujú jeho analitickú rovnicu. Houghova transformácia prikazuje každej m-tici parametrov, tzn. každému tvaru počet bodov vstupného obrazu, ktoré na ňom ležia. Tento princíp sa chápe ako voľba kandidáta na objekt vstupného obrazu: každý vstupný bod F j tu hlasuje pre všetky kandidáty o parametroch a ,...., a ) , ktoré sú pre neho prípustné. Taká m-tica ( 1 m parametrov, ktorá dosiahne medzného počtu hlasov, je považovaná za kandidáta na objekt vo vstupnom obraze. Výška tohto prahu je závislá na parametroch samotných, preto sa často hovorí o adaptívnom prahovaní, kde sa prahová hodnota spočíta so zreteľom na hodnoty parametrov. Možná aplikácia: Houghova transformácia je určená napríklad k detekcií priamok(hrán), alebo lineárnych oblastí, použitím parametrického vyjadrenia priamky φ = x*cos(θ) + y*sin(θ), (1.23) kde φ je vzdialenosť od tejto priamky, a θ je uhol medzi x-rovinou a rovinou vektoru tejto priamky. 13
- Page 1 and 2: Automatické rozpoznávanie ŠPZ mo
- Page 3 and 4: Žilinská univerzita v Žiline, El
- Page 5 and 6: 2.2 Metódy selekcie znakov ŠPZ mo
- Page 7 and 8: Obr. 3.7 Zobrazuje jednotlivé krok
- Page 9 and 10: Úvod Z dôvodu nových technologic
- Page 11 and 12: 1 Teoretické spracovanie problemat
- Page 13 and 14: ∞ ∫ −∞ I( f ( x)) = F( u) =
- Page 15 and 16: vzdialenosťou r od počiatku v sme
- Page 17 and 18: Používajú sa polynómy stupňa m
- Page 19: Prahovanie s jedným prahom možno
- Page 23 and 24: Na spájanie oblastí sa používaj
- Page 25 and 26: N ⎛ = S ⎜∑ ⎝ w x i i i= y 1
- Page 27 and 28: Gramatika predstavuje množinu prav
- Page 29 and 30: • Pri prevode RGB poprípade Gray
- Page 31 and 32: Obr. 2.2 Segmentácia znakov pomoco
- Page 33 and 34: Ďalšími počítanými výrazmi p
- Page 35 and 36: Obr. 2.6 Zovšeobecnený vektorový
- Page 37 and 38: Obr. 2.10 Zovšeobecnená viacvrstv
- Page 39 and 40: 3 Praktická realizácia programu n
- Page 41 and 42: 3.2.2 Zaistenie dostatočného mno
- Page 43 and 44: sa jedná o tmavé, alebo svetlé a
- Page 45 and 46: 3.3.1.3 Úprava matice vhodnej na o
- Page 47 and 48: 3.3.1.6 Odstránenie malých oblast
- Page 49 and 50: a) b) Obr. 3.14 Názornosť funkcie
- Page 51 and 52: 3.4 Verifikácia a selekcia ŠPZ Je
- Page 53 and 54: 3.4.2.1 Prvá časť verifikátoru
- Page 55 and 56: a) b) Obr. 3.22 Výrez stredného r
- Page 57 and 58: Obr. 3.25 Prevod RGB značky na zá
- Page 59 and 60: 3.4.3 Preprocesing OCR (Separácia
- Page 61 and 62: Záver: Podstatou tejto práce bolo
- Page 63 and 64: Prílohová časť Táto časť sa
- Page 65: Poďakovanie Moje poďakovanie patr
Definícia ohodnotenia - (ohodnocujúce funkcie) sú kľúčom k úspešnej detekcii<br />
hranice. Zložitosť výpočtu ceny vrcholu môže byť taká, že je to prevrátená hodnota<br />
veľkosti lokálnej hrany v danom bode až po apriórnu znalosť o hľadanej hranici, cieli<br />
segmentácie, obrazových dátach a pod.<br />
f(n) = g(n) + h(n) (1.19)<br />
kde g vyjadruje ohodnotenie cesty a h je heuristicka zložka, ktorá odhaduje ohodnotenie<br />
cesty.<br />
Algoritmus vyberá na ďalšie expandovanie taký vrchol, ktorý má minimálne f(n), pričom<br />
berie do úvahy všetky otvorené vrcholy, t.j. tie, ktoré ešte neboli expandované.<br />
1.3.2.3 Dynamické programovanie<br />
Je založené na princípe optimality a reprezentuje efektívnu cestu simultánneho<br />
hľadania optimálnych ciest z viacerých začiatočných a koncových bodov. Hľadá optimá<br />
funkcií, v ktorých nie všetky premenné sú navzájom závislé. Keď sa používa algoritmus<br />
A* na prehľadávanie grafu, je nutné vytvárať celý graf, čo je protikladom ku<br />
heuristickému hľadaniu.<br />
Myšlienka princípu optimality je:<br />
Ak existuje optimálna cesta z počiatočného do koncového vrcholu, ktorá ide cez E, tak<br />
obidve podcesty z počiatočného vrcholu do E a z E do koncového vrcholu musia byť tiež<br />
optimálne.<br />
1.3.2.4 Houghova transformácia (využité v programe)<br />
Je segmentačná technika použiteľná vtedy, keď treba detekovať objekty so<br />
známym tvarom hranice(ich analitické vyjadrenie). Ide o transformáciu, ktorá mapuje<br />
body, alebo množinu bodov vstupného vektorového priestoru V na parametrický priestor<br />
P parametrov krivky(alebo iného parametricky popísateľného formálneho objektu), ktorý<br />
je analiticky definovaný rovnicou.<br />
Houghova transformácia je definovaná:<br />
Ak máme analitickú rovnicu f (( aˆ<br />
1<br />
,...., aˆ<br />
m<br />
),( x,<br />
y))<br />
= 0 , vyjadrujúcu tvar hľadaných<br />
elementov, v parametroch<br />
a ,...., aˆ<br />
ˆ1<br />
a premenných x,y. Spätná projekcia g sa zí<strong>sk</strong>a<br />
m<br />
zámenou parametrov a premenných bodov [ x ˆ, yˆ<br />
] na všetky tvary s parametrami<br />
( a 1<br />
,...., a m<br />
) , ktoré tento bod obsahujú.<br />
g(( xˆ,<br />
yˆ),<br />
( a1,..,<br />
am )) = f (( a1,...,<br />
am<br />
), ( xˆ,<br />
yˆ))<br />
(1.20)<br />
12