Rozpoznawanie znaków drogowych w obecności szumu z zastosowaniem szybkiej metody Monte Carlo

• Autorzy: Lech, P. , Okarma, K.

Warianty tytułu

EN

Recognition of traffic signs in the presence of noise using the fast Monte Carlo method

• Języki publikacji: PL

Abstrakty

PL

Rozpoznawanie znaków drogowych stanowi jedną z nowoczesnych funkcjonalności oferowanych we współcześnie produkowanych pojazdach. Poprawne działanie większości tego rodzaju wyposażenia dodatkowego pojazdów jest silnie zależne od warunków oświetleniowych związanych ściśle z warunkami pogodowymi. Obecność opadów, dymu, mgły itp. wpływa negatywnie na działanie algorytmów rozpoznawania znaków drogowych, przy czym opady atmosferyczne mogą być traktowane jako odpowiednik zakłóceń szumowych obrazu. W wielu przypadkach możliwe jest zastosowanie dodatkowych filtrów np. medianowych, co jednakże wiąże się z koniecznością dodatkowych obliczeń. W proponowanym rozwiązaniu eliminacja wpływu szumu dokonywana jest w sposób pośredni dzięki zastosowaniu statystycznej metody Monte Carlo ograniczającej liczbę analizowanych próbek obrazu.

EN

Road sign recognition is one of the most advanced functionalities offered in today's manufactured vehicles. Correct operation of the majority of this type of vehicle accessories is strongly dependent on the lighting conditions which are closely related to weather conditions. The presence of rain, smoke, fog, etc. has a negative effect on the operation of traffic sign recognition algorithms, whereas the precipitations may be treated as equivalent to the image noise disturbances. In many cases it is possible to use additional filters, e.g. median, however requiring extra calculations. In the proposed solution the elimination of the influence of noise is carried out indirectly through the use of the statistical Monte Carlo method limiting the number of analyzed image samples.

Słowa kluczowe

PL

metoda Monte Carlo; rozpoznawanie obrazów

EN

Monte Carlo method; image recognition

• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 4
• Strony: 4429--4436, CD2
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Lech, P.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37,

autor

Okarma, K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37,

Bibliografia

• 1. Kapur J., Sahoo P., Wong A., A new method for gray-level picture thresholding using the entropy of the histogram. Computer Vision, Graphics, and Image Processing 1985, vol. 29, no. 3, pp. 273–285.
• 2. Lech P., Okarma K., Optimization of the fast image binarization method based on the Monte Carlo approach. Elektronika ir Elektrotechnika 2014, vol. 20, no. 4, pp. 63–66.
• 3. Lech P., Okarma K., Tecław M., A fast histogram estimation based on the Monte Carlo method for image binarization. Image Processing and Communications Challenges 5, Series: Advances in Intelligent Systems and Computing 2014, vol. 233, pp. 73–80, Springer International Publishing.
• 4. Niblack W., An Introduction to Digital Image Processing. Prentice-Hall, Englewood Cliffs 1986, pp. 115–116.
• 5. Otsu N., A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man and Cybernetics 1979, vol. 9, no. 1, pp. 62–66.
• 6. Tesseract-OCR engine. https://code.google.com/p/tesseract-ocr/