Исследовательский потенациал молодых ученых: взгляд в будущее - 2021

199 бридный подход, использующий нейронную сеть и метод корреляции изображе- ний, и применяется для распознавания цифр и символов с номерного знака транс- портного средства. В предлагаемых исследованиях используются многопороговые и нейросе- тевые методы распознавания образов. Сначала снимается черно-белое изображе- ние номерного знака. Теперь это захваченное изображение преобразуется в отте- нок серого. Преобразование шкалы серого сделано для того, чтобы выделить белую область в захваченном изображении, так как нежелательные шумы должны быть удалены с помощью медианного фильтра. По мере удаления шума интенсивность изображения и фон изображения становятся более четкими, после чего на номерном знаке применяется метод вы- равнивания гистограммы и контрастного растяжения. Уравнивание гистограммы применяется для точного наблюдения за интенсивностью фона пикселей белого цвета захваченного номерного знака после удаления шума. Метод контрастного растяжения применяется на обнаруженном изображе- нии для увеличения интенсивности фона пикселя уровня белого. Многоуровне- вое пороговое значение применяется для поддержания равномерного пространства между цифрами и алфавитами. Наконец, используется сверточная нейронная сеть, которая автоматически детектирует захваченное изображение. Теперь, чтобы обучить нейронную сеть, мы выполнили три этапа: обучение нейросети, проверка и тестирование. Сверточные сети задуманы так удачно, что эти кон- текстные преобразования автоматически получаются на выходе любого сверточ- ного слоя, а значит нет смысла смещать входные изображения, достаточно взять выход любого сверточного слоя, совершить несколько преобразований и запу- стить обучение. Таким образом, использование многопороговой методики сегментации изображений наряду с использованием нейронных сетей приводит к повышению точности распознавания номерных знаков, что также обеспечивает высокую ско- рость работы системы. Соответственно, предложенная методика может быть применена для распознавания автомобильных номеров в комплексных системах видеонаблюдения. Литература 1. Wen, Y. An Algorithm for License Plate Recognition Applied to Intelligent Transportation System. / Y. Wen, Y. Lu, J. Yan, Z. Zhou, K. M. Deneen // IEEE: Transactions on intelligent transportation system. – 2011. – Р. 830–845 2. Yilmaz, K. A Smart Hybrid License Plate Recognition System Based on Image Processing using Neural Network and Image Correlation / K. Yilmaz // Innovations in Intelligent Systems and Applications (INISTA). – 2011. – Р. 377–392. 3. Li, L. The License Plate Recognition System Based on Fuzzy Theory and BP Neural Network / L. Li. // IEEE: Intelligent Computation Technology and Automation (ICICTA). – 2011.