Abstract
We proposed an enhanced extraction method of vehicle plate, in which both the brightness variation of gray and the Hue value of HSI color model were used. For the extraction of the vehicle plate from a vehicle image, first of all, candidate regions for the vehicle plate were extracted from the image by using the property of brightness variation of the image. A real place region was determined among candidate regions by the density of pixels with the Hue value of green and white. For- extracting the feature area containing characters from the extracted vehicle plate, we used the histogram-based approach of individual characters. And we proposed and applied for the recognition of characters the enhanced ART2 algorithm which support the dynamical establishment of the vigilance threshold with the genera]iced union operator of Yager. In addition, we propose an enhanced SOSL algorithm which is integrated both enhanced ART2 and supervised learning methods. The performance evaluation was performed using 100's real vehicle images and the evaluation results demonstrated that the extraction rates of tole proposed extraction method were improved, compared with that of previous methods based un brightness variation, RGB and HSI individually . Furthermore, the recognition rates of the proposed algorithms were improved much more than that of the conventional ART2 and BP algorithms.
본 논문은 그레이 명암도 변화와 HSl 컬러 모형의 Hue 정보를 함께 이용한 번호판 영역 추출 방법을 제안한다. 차량 이미지에서 차량 번호판 추출은 명암도 변화를 이용하여 번호판 후보 영역을 추출하고 후보 영역에 대해 HSI 컬러 모형의 Hue 정보를 이용하여 실제 번호판 영역을 결정한다. 추출된 번호판 영역으로부터 문자를 포함하는 특징 영역 추출은 각 문자들에 대한 히스토그램을 이용하여 추출한다. 그리고 Yager의 합접속 연산자를 이용하여 경계 변수 값을 동적으로 변화시키는 개선된 ART2 알고리즘을 제안하고 번호판의 개별 문자 인식에 적용한다. 또한 개선된 ART2와 지도 학습 방법을 통합한 SOSL 알고리즘을 제안한다. 100개의 실제 차량 이미지를 이용한 실험 결과를 통해 제안된 번호판 영역 추출 방법이 단일 컬러 모형을 적용한 기존 추출 방법보다 추출률이 향상되었고, 개선된 알고리즘들이 기존의 ART2 알고리즘과 오류 역전파 알고리즘 보다 더 높은 인식률을 보임을 알 수 있었다.
