|
Научная визуализация
Год выпуска: | 2016 |
Квартал: | 3 |
Том: | 8 |
Номер: | 3 |
Страницы: | 65 - 77 |
|
Название публикации: |
ПРИМЕНЕНИЕ АЛГОРИТМА ВИОЛЫ-ДЖОНСА, ПРЕОБРАЗОВАНИЯ ХАФА И ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РАСПОЗНАВАНИЯ СИМВОЛЬНОЙ ИНФОРМАЦИИ НА СЛОЖНОМ ФОНЕ |
Авторы: |
А.А. Друки (Россия), П.А. Каковкин (Россия), Д.С. Чернета (Россия) |
Адреса авторов: |
А.А. Друки
druki2008@yandex.ru
Национальный исследовательский Томский политехнический университет, Россия,
П.А. Каковкин
Dimano1993@rambler.ru
Национальный исследовательский Томский политехнический университет, Россия,
Д.С. Чернета
nitrokot@mail.ru
Национальный исследовательский Томский политехнический университет, Россия |
Краткое описание: |
Работа посвящена разработке алгоритмов и программных средств, позволяющих повысить эффективность распознавания символов на сложном фоне, подверженных шумовым, аффинным и проекционным искажениям. В работе предлагается подход к решению задачи распознавания символов, включающий в себя три основных этапа: детектирование области расположения символов на изображении; нормализация изображения и выделение отдельных символов; распознавание символов. Для детектирования области расположения символов на изображениях со сложным фоном предложена реализация алгоритма Виолы-Джонса. Нормализация изображения включает в себя выделение границ, преобразование Хафа, поиск замкнутых контуров, выравнивание изображения. С помощью преобразования Хафа выполняется поиск горизонтальных граней строки символов на изображении. С помощью операции поиска замкнутых контуров выполняется обнаружение области расположения отдельных символов на изображении. Для распознавания символов предложена конфигурация сверточной нейронной сети. Представлены результаты тестирования эффективности разработанных алгоритмов и их сравнение с существующими аналогами. На основе предложенного подхода разработана программная система, которая предназначена для распознавания государственных регистрационных знаков транспортных средств на изображениях и по результатам тестирования показала высокую эффективность распознавания символов на сложном фоне.
|
Язык: |
Русский |
|
|
|