Problemy rozpoznawania i klasyfikacji obrazów w procesach logistycznych

• Autorzy: Miciak M. , Wiatr R.

Warianty tytułu

EN

The problems of recognition and classification of images in logistics tasks

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono analizę metod rozpoznawania znaków dla celów pocztowych. Dokonano prezentacji wybranych klasyfikatorów i możliwości ich zastosowania w systemach rozpoznawania i klasyfikacji przesyłek pocztowych. Dodatkowo zaprezentowano nową metodę rozpoznawania znaków z wykorzystaniem transformaty Radona pozwalającą na eliminację elementów przetwarzania wstępnego pojawiające się we większości spotykanych rozwiązań tego typu. Zaproponowany klasyfikator bazuje na dwuetapowym klasyfikatorze na podstawie liczby maksimów lokalnych, uzyskanych w procesie tworzenia wektora cech. Na podstawie liczby maksimów określane są grupy znaków z tą samą liczbą maksimów, pozwala to w efekcie na zmniejszenie liczby porównań wektorów bazy znaków wzorcowych, które następnie należy porównać z wektorem cech badanego znaku. W końcowej części artykułu przedstawiono wyniki przeprowadzonych eksperymentów dla opracowanej metody.

EN

In this article we introduced the analysis of character recognition methods used in postal applications. We presented selected classificators and their possibility to use in the systems of recognition and classification of postmail items. Additionally we presented the new method of character recognition on basis of the Radon transformation. The properties of Radon transformation allow for realisation of the preprocessing stage without few elements of image processing which appear in the standard applications. The proposed classificator basis on two stage processing. The number of feature vector elements describes the groups with the same numbers of characteristic points. This approach allows to decrease amount of comparing vectors from database of known characters with a vector of unknown character. The last part of the article contain experiment results of the proposed method and ratio of various classifiers. We discussed strengths and weaknesses of the method and defined the future directions of development of our method.

Słowa kluczowe

PL

klasyfikacja obrazów; procesy logistyczne; przesyłki pocztowe

EN

image classification; logistics processes; postal

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 4
• Opis fizyczny: Bibliogr. 20 poz., rys., tab., pełen tekst na CD

Twórcy

autor

Miciak M.

• Uniwersytet Technologiczno - Przyrodniczy w Bydgoszczy, Wydział Telekomunikacji. Informatyki i Elektrotechniki, Zakład Systemów Teleinformatycznych

autor

Wiatr R.

• Uniwersytet Technologiczno - Przyrodniczy w Bydgoszczy, Wydział Telekomunikacji. Informatyki i Elektrotechniki, Zakład Systemów Teleinformatycznych

Bibliografia

• 1. Aradhya V. N. M., Kumar G. H., Noushath S., Robust Unconstrained Handwritten Digit Recognition using Radon Transform. ICSCN '07, s. 626-629, 2007.
• 2. Bercu S., Lorette G., On-line Handwritten Word Recognition: An Approach Based on Hidden Markov Models. Pre-Proc. IWFHR III, s. 385, USA 1993.
• 3. Bourbakis N., Methodology for document processing: separating text from images. Engineering Applications of Artificial Intelligence, Vol. 14, 2001.
• 4. Fix E., Hodges J.L., Discriminatory analysis - nonparametric discrimination, Report no. 4, USAF School of Aviation Medicine, s. 261-279, USA, 1951.
• 5. Haykin S., Neural Networks. A Comprehensive Foundation. MPC, UK 1994.
• 6. Hu J., HMM Based On-Line Handwriting Recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.18, s. 1039-1045, USA 1996.
• 7. Khedekar S, Ramanaprasad V., Setlur S., Govindaraju V., Text - Image Separation in Devanagari Documents. Document Analysis and Recognition, Edinburgh 2003.
• 8. Le Cun Y., Boser B., Denken J.S., Henderson D., Howard R.E., Backpropagation Applied to Handwritten Zip Code Recognition. NC, vol.1, s. 541-551, 1989.
• 9. Le Cun Y., Generalization and Network Design Strategies. Connectionism in Perspective, Elsevier, Switzerland 1989.
• 10. Le Cun Y., Matan O., Boser B., Denken J.S., Henderson D., Howard R.E., Hubbard W., Handwritten Zip Code Recognition with Multilayer Networks. ICPR, s. 35-40, 1989.
• 11. Mahmoud S. A., Abu-Amara M. H., The use of radon transform in handwritten Arabic (Indian) numerals recognition. WSEAS TCA, vol. 9, s. 252-267, USA 2010.
• 12. Maszewski M., Miciak M., Rozpoznawanie danych teleadresowych z wykorzystaniem współczynników Fouriera i zespolonej dyskretnej transformacji falkowej opartej na projekcji. Techniki Przetwarzania Obrazu, Serock 2006.
• 13. Miciak M., Marchewka M., The recognition of Postal Code Using Fourier Transform Method. XII Konferencja Sieci i Systemy Informatyczne, Łódź 2004.
• 14. Miciak M., Character Recognition Using Radon Transformation and Principal Component Analysis in Postal Applications, IMCIST 2008, Wisła 2008.
• 15. Romero D. J., Seijas L. M., Ruedin A. M., Directional Continuous Wavelet Transform Applied to Handwritten Numerals Recognition Using Neural Networks. JCS, 7, 2007.
• 16. Vapnik V.N., The Nature of Statistical Learning Theory. Information Science and Statistics, Springer-Verlag, 1995.
• 17. Wojnarski M., LTF-C Architecture, Training Algorithm and Applications of New Neural Classifier, Fundamenta Informaticae, vol.54, s. 89–105, IOS Press, 2003.
• 18. Wojnarski M., LTF-C - Neural Network for Solving Classification Problems, Parallel Processing and Applied Mathematics, Lecture Notes in Computer Science, vol.2328, s.573-578, 2006.
• 19. Wunsch P., Laine A. F., Wavelet descriptors for multiresolution recognition of handprinted characters. Pattern Recognition.
• 20. Zhang D., Lu G., A Comparative Study on Shape Retrieval Using Fourier Descriptors with Different Shape Signatures. ICIMADE '01, s. 1-9, USA 2001.