AutomatickÃ© rozpoznÃ¡vanie Å PZ motorovÃ½ch vozidiel v ... - Utc.sk

More documents

Recommendations

Info

3.2 Predspracovanie vstupných dát Cieľom predspracovania, bolo upraviť a konkretizovať vstupné dáta do takej podoby, aby boli vhodné na ďalšie spracovanie s ohľadom na výber a verifikáciu kandidátov vhodných na separáciu ŠPZ motorového vozidla. Pri tomto spracovaní sa postupne zobral v úvahu sled náhodne vybratých ľubovoľne vzdialených za sebou idúcich frámov jednotlivých áut. 3.2.1 Prevod farebného RGB formátu do formátu 256 odtieňov sivej farby Je jasne dané, že na vyjadrenie obrázku, ktorý obsahuje zlúčenie troch základných farieb červenej, zelenej a modrej potrebujeme trojvrstvový model. Dôsledkom toho sa v prípade programovacieho jazyka Matlab dostávame do trojrozmerného priestoru vyjadrenia troch matíc. Pomocou funkcie na prevod farebného RGB štandardu do 256 odtieňov sivej sa docieli výraznejšie zjednodušenie práce. Týmto prevodom sa u<strong>sk</strong>utoční prechod do dvojrozmerného priestoru matice, ktorý je výhodný na ďalšie spracovanie. Súčastne s týmto krokom sa implementovala funkciu zmenšenia na rozlíšenie 800*600. PREVOD Obr. 3.2 Prevod RGB (farebného) obrázku na obrázok Gray (256 odtieňov sivej), a)trojdimenzionálny matrix RGB obrázku, b)RGB obrázok, c)jednodimenzionálny matrix Gray obrázku, d)obrázok gray 32
3.2.2 Zaistenie dostatočného množstva jasových (kontrastových) úrovní Vplyvom toho, že navrhnutá metóda je založená na prahovaní vstupného obrázku, bola snaha odstrániť nedostatok v podobe nevyrovnaných jasových a kontrastových podmienok v reálnom nasadení. Z tohto dôvodu je implementovaný cyklický algoritmus, ktorý zabezpečí zmenu jasových úrovní. Postupným testovaním sa dospelo k záveru, že bude dobré použiť približne deväť jasových úrovní, ktoré s veľkou pravdepodobnosťou zreteľne vyjadria jak značku s vysokým kontrastom tak aj s nízkym kontrastom. Obr. 3.3 Ilustruje zmeny jasových(kontrastových) úrovní Gray obrázku 33
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 and 20: Prahovanie s jedným prahom možno
Page 21 and 22: Spätná projekcia vstupných bodov
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: 3 Praktická realizácia programu n
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

AutomatickÃ© rozpoznÃ¡vanie Å PZ motorovÃ½ch vozidiel v ... - Utc.sk

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?