1. Распознавание изображения в условиях зашумленности Дипломная работа Выполнил студент 155 гр. Потолицын Александр Михайлович Научный руководитель: Зав. Кафедрой, д.т.н., профессор Никитенков Владимир Леонидович Сыктывкарский Государственный Университет Математический факультет Кафедра прикладной математики Сыктывкар, 2009г

3. Исходное изображение

5. Свёртка: ; Матрицы свёртки отдельно для вертикальных и горизонтальных краев: Проекции изображения на вертикальную и горизонтальную оси:

6. Сглаженный график градиента

7. Вертикальные края и график градиента

8. Полоса это некоторый прямоугольник:

9. Выбор потенциальных областей

10. Результат выбора

12. Итог первой фазы выделения

13. Примеры фрагментов с номерами

14. Выпрямление номера основывается на предположении о существовании длинных тёмных линий вблизи номера. Используется так называемый RANSAC алгоритм.

17. ,

19. Примеры выпрямленных и уточнённых пластин

21. Оценка кандидата: Высота полосы в пикселях. Пластины с меньшей высотой предпочтительнее - это наибольший из всех пиков вертикальной проекции снимка, соответствующий исследуемой полосе. Полосы с большим количеством вертикальных краев предпочтительнее Эвристика подобная предыдущей, но она учитывает не только наибольшее значение, но и площадь под графиком между координатами полосы . Эти точки определяют вертикальное положение оцениваемой полосы. Оценка пропорций пластины. Предполагаем, что оптимальное соотношение высоты к ширине 1:5.

24. Разбиение на символы по интенсивности изображения

25. Результат успешной бинаризации и выделения компонент связности из чёрно-белой пластины

26. Статистический анализ кандидатов , H(b) – гистограмма яркости пластины , , и - значения ярчайшего и темнейшего пикселей кандидата

28. Подача информации на сеть распознавания

30. Программная реализация

31. Численный эксперимент: Размытие по Гауссу ;

32. Примеры размытия