선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 RGB 컬러 정보를 이용하여 번호판 영역을 추출하고 추출된 번호판 영역에 대해 퍼지 이진화 방법과 윤곽선 추적 알고리즘을 적용하여 개별 문자를 추출하는 방법을 제안하였다. 비영업용 차량 영상을 최빈수평활화 방법으로 녹색의 잡음을 제거하고, 잡음이 제거된 차량 영상에서 녹색에 가까운 값들을 추출하여 녹색 값들이 밀집되어 있는 영역을 번호판의 후보 영역으로 설정하였다.
가설 설정
- ①번호판 영역은 녹색이 밀집되어 있다.
제안 방법
- 중위수 선택 방법은 급격한 증감으로 나타나는 잡음제거와 물체 테두리의 픽셀 정보를 보존하는 데는 효과적이지만 번호판의 경우에는 녹색색상과 개별 코드들의 횐색 색 상 정보를 감소시키는 단점이 있다. 따라서 본 논문에서는 이웃한 픽셀들 중에서 가장 빈번하게 나타나는 픽셀 값을 원시 픽셀의 자리에 대체하는 방법인 최빈수를 이용하여 녹색의 잡음을 제거한다.
- 그러나 밝기 차이가 크지 않을 때는 히스토그램의 분석만으로 최적의 임계치를 얻기 어렵다 [7]. 따라서 본 논문에서는 퍼지 소속 함수를 이용한 이진화 방법을 제안하여 추출된 번호판 영역에 적용한다. 소벨 마스크를 적용하여 잡음이 제거된 번호판 영역의 전체 평균 밝기 값을 로 정의하면 项는 각 밝기 값과 밝기의 빈도수를 곱하여 전체 번호판 픽셀의 개수로 나눈 값으로 식 (2)와 같이 계산한다.
- 잡음이 존재한다. 따라서 본 논문에서는 퍼지 이진화를 적용하여 문자와 배경 사이의 그림자로 인한 잡음을 제거한다. 제안된 퍼지 이진화 방법의 소속 함수는 [그림 5]와 같다.
- 번호판의 후보 영역 추출은식(1)과 같이 유클리디안 (euclidean) 거리 값과 녹색값을 이용하여 추출한다.
- 지금까지 번호판 영역 추출 및 인식 분야에 많은 연구가 진행되어 왔으나 색상 대비가 낮은 영상이나 번호판의 주위가 복잡한 영상에서는 번호판 영역을 추출할 수 없는 공통적인 문제점이 있다[3]. 본 논문에서는 RGB 컬러 정보를 이용하여 차량 영상에서 번호판 영역을 추출하고, 여기에 제안된 퍼지 이 진화 방법을 적용한 후에, 윤곽선 추적 알고리즘으로 차량번호판의 코드를 추출하는 방법을 제시하고 성능을 평가하였다.
- 본 논문에서는 소벨연산자, 퍼지이 진화 및 윤곽선 추적기법 등의 영상 처리 기법을 적용하여 번호판 영역의 개별 문자를 추출한다. 우선, 개별문자를 추출하기 위하여 추출된 번호판 영역을 그레이스케일의 영상으로 변환하고 3×3 소벨 마스크(Sobel Mask)를 적용하여 잡음을 제거한다.
- 제안하였다. 비영업용 차량 영상을 최빈수평활화 방법으로 녹색의 잡음을 제거하고, 잡음이 제거된 차량 영상에서 녹색에 가까운 값들을 추출하여 녹색 값들이 밀집되어 있는 영역을 번호판의 후보 영역으로 설정하였다. 차량 번호판 후보 영역 중에서 녹색의 밀집도 안에 흰색의 밀집도가 높은 부분을 번호판 영역으로 판별하여 번호판을 추출하였다.
- 비영업용 차량의 영상에 대해 녹색의 잡음을 제거하기 위하여 최빈수를 이용한 평활화 방법을 수행하여 녹색의 잡음을 제거한다. 이미지 평활화는 잡음 등의 불필요한 신호들을 감소시키는 데 이용된다[5, 6].
- 0으로 제안된 알고리즘을 구현하고, 개별 문자 추출 실험을 640x480 크기의 256컬러 비영업용 차량 영상 70개를 대상으로 실행하였다. 성능 평가를 위하여 RGB 컬러 정보를 이용하여 차량 영상의 번호판 영역을 추출하고, 추출된 번호판 영상을 기존의 이 진화 방법과 퍼지 이진화 방법을 적용하여 윤곽선 추적 알고리즘으로 차량 번호판의 개별 코드를 추출한 개수를 비교하였다. [그림 기은 실험에 적용된 영상의 예를 보여주고 있다.
- 영역의 개별 문자를 추출한다. 우선, 개별문자를 추출하기 위하여 추출된 번호판 영역을 그레이스케일의 영상으로 변환하고 3×3 소벨 마스크(Sobel Mask)를 적용하여 잡음을 제거한다. [그림 3] 과 같은 추출된 번호판 영역을 3×3 소벨 마스크를 적용하여 잡음을 제거한 번호판 영역은 [그림 4]와 같다.
- 윤곽선 추적을 통해 개별 문자룰 추출하기 위하여 잡음이 제거된 번호판 영상을 이진화한다. 기존의 이진화 방법은 최적의 임계치를 결정하기 위해 히스토그램으로 밝기를 분석한다.
- 전체 평균값에 의한 이 진화 방법과 중위수 이진화 방법을 각각 적용하고 윤곽선 추적 알고리즘으로 개별 문자 추출에 실패한 비영업용 차랑 영상에 대해 제안된 퍼지이 진화 방법을 적용하고 윤곽선 추적 알고리즘으로 개별 문자를 추출한 결과는 [그림 11}과 같다.
- 비영업용 차량 영상을 최빈수평활화 방법으로 녹색의 잡음을 제거하고, 잡음이 제거된 차량 영상에서 녹색에 가까운 값들을 추출하여 녹색 값들이 밀집되어 있는 영역을 번호판의 후보 영역으로 설정하였다. 차량 번호판 후보 영역 중에서 녹색의 밀집도 안에 흰색의 밀집도가 높은 부분을 번호판 영역으로 판별하여 번호판을 추출하였다. 그리고횐색의 밀집도가 높은 부분의 차량 번호판의 영역이 여러 개가 나타나는 경우에는 차량 번호판의 가로 및 세로비가 약 2:1인 차량 번호판의 특성을 이용하여 추출하였다.
- 그리고횐색의 밀집도가 높은 부분의 차량 번호판의 영역이 여러 개가 나타나는 경우에는 차량 번호판의 가로 및 세로비가 약 2:1인 차량 번호판의 특성을 이용하여 추출하였다. 추출된 번호판 영역을 3×3 소벨 마스크를 이용하여 잡음을 제거하고, 제안된 퍼지 이진화 방법을 적용하여 번호판을 이진화한 다음, 8-방향 윤곽선 추적 알고리즘으로 번호판의 개별 문자를 추출하였다.
- 추출된 번호판 영역을 대상으로 기존의 이진화 방법과 퍼지이 진화 방법을 각각 적용하여 윤곽선 추적 알고리즘으로 개별 문자의 추출 개수를 비교하였다. 기존의 이진화 방법으로는 전체 평균 밝기 값에 의한 이진화방법, 중위수 이진화 방법을 각각 적용하였다.
대상 데이터
- 실험 환경은 IBM 호환기종의 Pentium-IV PC 에서 Delpi 5.0으로 제안된 알고리즘을 구현하고, 개별 문자 추출 실험을 640x480 크기의 256컬러 비영업용 차량 영상 70개를 대상으로 실행하였다. 성능 평가를 위하여 RGB 컬러 정보를 이용하여 차량 영상의 번호판 영역을 추출하고, 추출된 번호판 영상을 기존의 이 진화 방법과 퍼지 이진화 방법을 적용하여 윤곽선 추적 알고리즘으로 차량 번호판의 개별 코드를 추출한 개수를 비교하였다.
이론/모형
- 기존의 이진화 방법으로는 전체 평균 밝기 값에 의한 이진화방법, 중위수 이진화 방법을 각각 적용하였다. 전체 평균 밝기 값에 의한 이진화 방법을 적용하여 [그림 7](a)와 같은 밝은 차량 영상에서 추출된 번호판의 임계치는 169이고, [그림 7](b)와 같이 어두운 차량 영상에서 추출된 번호판의 임계치는 60이다.
- 추출된 번호판 영역을 중위수 이진화 방법을 적용하여 윤곽선. 추적 알고리즘으로 개별 코드를 추출한 경우에는 개별 문자 간에 윤곽선이 겹쳐지는 경우가 발생하여 개별 문자 추출이 실패하는 경우가 발생하였다.
성능/효과
- 70개의 차량 영상을 RGB 컬러 정보를 이용하여 추출한 결과, 차량번호판 영역이 모두 추출되었다. 번호판 영역을 추출한 결과는 [그림 8]과 같다.
- 제안된 퍼지 이진화 방법은 차량 번호판에서비코드영역과 코드영역의 그림자와 잡음을 제거함으로써 575개의 개별 문자가 추출되었다. 따라서 기존의 이 진화 방법들을 적용하여 윤곽선 추적알고리즘으로 개별 코드를 추출하는 것보다 제안된 퍼지 이진화 방법을 적용하여 윤곽선 추적 알고리즘으로 개별 코드를 추출하는 것이 효율적인 것을 확인하였다.
- 제안된 방법을 실제 비영업용 차량 영상에 적용하여 실험한 결과, 기존의 이 진화 방법들을 적용하여 윤곽선 추적 알고리즘으로 개별 문자를 추출하는 것보다 제안된 퍼지이 진화 방법을 적용하여 윤곽선 추적 알고리즘으로 개별 문자를 추출하는 것이 효율적인 것을 확인하였다.
- 이진화 방법은 298개의 개별 코드가 추출되었다. 제안된 퍼지 이진화 방법은 차량 번호판에서비코드영역과 코드영역의 그림자와 잡음을 제거함으로써 575개의 개별 문자가 추출되었다. 따라서 기존의 이 진화 방법들을 적용하여 윤곽선 추적알고리즘으로 개별 코드를 추출하는 것보다 제안된 퍼지 이진화 방법을 적용하여 윤곽선 추적 알고리즘으로 개별 코드를 추출하는 것이 효율적인 것을 확인하였다.
- 표 1에서 전체 평균값을 이용한 이진화 방법은 253개의 개별 코드가 추출되었고, 중위수를 적용한 이진화 방법은 298개의 개별 코드가 추출되었다. 제안된 퍼지 이진화 방법은 차량 번호판에서비코드영역과 코드영역의 그림자와 잡음을 제거함으로써 575개의 개별 문자가 추출되었다.
후속연구
- 향후 연구과제는 제안된 번호판 영역의 개별문자 추출방법을 기반으로 하여 개별 문자들을 인식할 수 있는 퍼지신경망 알고리즘 연구가 필요하고, 번호판 영역에서 배경과 문자가 뚜렷이 구분되지 않아 개별 문자가 정확히 추출되지 않은 부분을 개선하는 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.