Filtreler

Filtreleri Sıfırla

Ayarlar

Tam Metin: true × Konu: Character segmentation ×

Arama Sonuçları

Listeleniyor 1 - 3 / 3
  • Küçük Resim
    Yayın
    Algoritmik kaynaşım yöntemiyle plaka tanıma sistemlerinin performansının artırılması
    (2011) Tamer, Engin; Çizmeci, Burak
    Bu bildiride, bilgisayarlı görü ve örüntü tanıma alanlarında çok önemli bir yeri olan plaka tanıma sistemlerinin performansını artırmak amacıyla algoritmik kaynaşım yöntemini önermekteyiz. Plaka tanıma sistemleri genellikle plakanın yerinin saptanması, karakter bölütleme ve karakter tanıma şeklinde uç kısımdan oluşur. Karakter bölütleme ve tanıma, görüntü işleme ve örüntü tanıma alanlarında yoğun bir şekilde çalışılmış ve bu problemlerin çözümünde gürbüz sistemler tasarlanmıştır. Ancak plaka tanıma sistemlerinin en temel problemi plaka yerinin tam piksel hassasiyetle saptanmasıdır. Plaka yerinin saptanması için bir önceki çalışmamızda yatay tarama yöntemini önermiştik. Bu bildiride çift satırlı plakaları da okuyabilen dörtgen saptamaya dayalı farklı bir algoritma geliştirdik. Plaka yerinin saptanmasını gürbüz hale getirebilmek için iki farklı algoritmanın başarımlarını algoritmik kaynaşım çatısı ile birleştiren yeni bir yaklaşım sunmaktayız. Gerçekleştirilen benzetimlerde önerilen algoritmik kaynaşım yöntemi ile plaka tanıma sisteminin performansında önemli artışlar gözlemlenmiştir.
  • Küçük Resim
    Yayın
    Plaka tanıma sistemi için farklı bir yaklaşım
    (IEEE, 2009-06-26) Tamer, Engin; Çizmeci, Burak
    Bu bildiride, bilgisayarlı görü ve örüntü tanıma alanlarında çok popüler olan plaka tanıma sistemi için farklı bir yakla¸sım sunuyoruz. Plaka tanıma sistemi genellikle üç ana bölüme ayrılır: plakanın yerinin saptanması, karakter bölütleme ve karakter tanıma. Plaka tanıma sisteminin en önemli bölümü olan plaka yerinin saptanmasında, yatay tarama ile arama alanını daralttıktan sonra, Türk plakalarında yer alan TR işaretini kullanan yeni ve özgün bir algoritma öneriyoruz. Yeri saptanan plakanın karakterlerinin bölütlenmesi için ikili imge üzerinde morfolojik işlemler uyguluyoruz. Son olarak, karakter tanıma işleminde ise, harf ve sayı yapay sinir ağlarını ayırarak hata oranını en küçültmeyi hedefliyoruz.
  • Küçük Resim
    Yayın
    A character segmentation method to increase character recognition accuracy for Turkish license plates
    (Science Publishing Group, 2021-12-31) Çavdaroğlu, Gülsüm Çiğdem; Gökmen, Mehmet
    Automatic License Plate Recognition is a computer vision technology that provides a way to recognize the vehicle's license plates without direct human intervention. Developing Automatic License Plate Recognition methodologies is a widely studied topic among the computer vision community to increase the accuracy rates. Automatic License Plate Recognition systems include image acquisition and character segmentation phases. Although there are many studies, the research in character segmentation and improving recognition accuracy remains limited. The lack of an international standard for license plates and the misinterpretation of ambiguous characters are challenging problems for Automatic License Plate Recognition systems. Several academic works have shown that the ambiguous character problem can be overcome by using a second model that contains only these characters. In this study, we propose a new methodology to reduce the character recognition errors of Automatic License Plate Recognition systems. One of the reasons for the low accuracy rates is the problem of ambiguous characters. In most studies using OCR, it was observed that a single model was used for alphanumeric characters during the recognition phase. Instead of using a single model, using separate models for letters and digits will improve the recognition process and increase accuracy. Therefore, we determined whether the characters are letters or numbers, and we expressed the license plates in the form of letters - digits. The method suggested for segmenting blobs worked with an accuracy of 96.12% on the test dataset. The method recommended for generating letter-digit expressions for the license plates worked with an accuracy of 99.28% on the test dataset. The proposed methodology can work only on Turkish license plates. In future studies, we will expand our method by using the license plate dataset of a different country.