Методы, алгоритмы и средства автоматического управления процессом формирования изображений в системах распознавания текстовых меток реального времени

• Автор: Черкас, Павел Сергеевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Череповец
• Количество страниц: 201 с. : ил.

Оглавление
Введение
Глава 1. Анализ современных подходов к управлению процессом формирования изображений в системах распознавания текстовых меток реального времени
1.1 Общая характеристика систем распознавания текстовых меток реального времени
1.1.1 Общее описание и назначение систем распознавания текстовых меток..
1.1.2 Описание систем распознавания тестовых меток реального времени
1.1.3 Состав систем распознавания тестовых меток реального времени
1.1.3.1 Аппаратное обеспечение систем распознавания текстовых меток реального времени
1.1.3.2 Специальное программное обеспечение систем распознавания текстовых меток реального времени
1.2 Критерии эффективности систем распознавания текстовых меток реального времени
1.3 Основные проблемы применения систем распознавания текстовых меток реального времени и автоматического управления процессом формирования изображений
1.3.1 Качество изображений с образами текстовых меток
1.3.2 Проблема низкой эффективности систем распознавания текстовых меток реального времени
1.4 Выводы по первой главе
Глава 2. Структура систем автоматического управления параметрами видеооборудования в системах распознавания текстовых меток реального времени
2.1 Задача разработки структуры систем автоматического управления параметрами видеооборудования
2.2 Качество изображений в системах автоматического управления параметрами видеооборудования

2.2.1 Общее описание требований к качеству изображений
2.2.2 Расчет значений характеристик информативных изображений
2.2.3 Оптимальные значения характеристик изображений
2.2.4 Расчет качества информативных изображений
2.2.5 Определение качества изображений, содержащих образы нескольких текстовых меток
2.3 Структура систем автоматического управления параметрами видеооборудования
2.4 Общее описание зависимости эффективности алгоритмов распознавания текстовых меток от качества изображений
2.5 Выводы по второй главе
Глава 3. Метод автоматического управления процессом формирования изображений в системах распознавания текстовых меток реального времени
3.1 Задача разработки систем автоматического управления параметрами видеооборудования в системах распознавания текстовых меток
3.2 Особенности функционирования алгоритмов распознавания текстовых меток с учетом автоматического управления процессом формирования изображений
3.3 Выбор видеооборудования и его управляемых параметров
3.3.1 Общие требования к видеооборудованию
3.3.2 Выбор управляемых параметров видеооборудования
3.3.3 Определение базовой зависимости характеристик изображения от управляемых параметров оборудования
3.4 Особенности разработки и функционирования модуля управления
3.4.1 Общее описание управления параметрами видеооборудования
3.4.2 Ограничения процесса управления параметрами видеооборудования
3.4.3 Алгоритмы автоматического адаптивного управления параметрами видеооборудования
3.4.4 Автоматическое управление параметрами видеооборудования при невыполнении ограничений процесса управления
3.5 Особенности оценки эффективности и тестирования систем автоматического управления параметрами видеооборудования
3.6 Потенциал использования метода автоматического управления процессом формирования изображений
3.7 Выводы по третьей главе
Глава 4. Разработка системы автоматического распознавания автомобильных номеров реального времени с автоматическим управлением процессом формирования изображений
4.1 Задача распознавания автомобильных номеров
4.2 Разработка системы распознавания автомобильных номеров с автоматическим управлением процессом формирования изображений
4.2.1 Общее описание комплекса «УМКА-АвтоМаршал»
4.2.2 Определение качества изображений с образами автомобильных номеров
4.2.3 Выбор видеооборудования
4.2.4 Выбор управляемых параметров видеооборудования
4.2.5 Алгоритмы автоматического адаптивного управления параметром К в системе «УМКА-АвтоМаршал»
4.3 Результаты тестирования комплекса «УМКА-АвтоМаршал»
4.3.1 Оценка эффективности комплекса «УМКА-АвтоМаршал»
4.3.2 Ограничения использования комплекса «УМКА-АвтоМаршал»
4.3.3 Оценка выполнения ограничений процесса управления
4.4 Результаты диссертационного исследования
4.5 Выводы по четвертой главе
Заключение
Список сокращений и условных обозначений
Список литературы
Список иллюстративного материала

пользователю любо информационной системе верхнего уровня, для принятия последующих решений. Рассмотрение критериев эффективности данных подсистем выходит за рамки текущей работы.
Одним из основных элементов рассматриваемых систем является специализированное ПО, реализующее алгоритмы обработки и анализа изображений. От применяемых алгоритмов зависит количество полезной информации, которое будет получено при анализе и обработке изображений. Алгоритмы должны соответствовать решаемой задаче, а их качество определяет общую эффективность системы и подлежит более детальному рассмотрению.
В большинстве современных систем распознавания текстовых меток используются эвристические алгоритмы. Из-за этого их эффективность рассчитывается с помощью вероятностей возможных исходов анализа изображения. В общем виде выделяют следующие основные исходы (события): правильное распознавание метки, неправильное распознавание метки и ложное распознавание метки в неинформативной области изображении. Для характеристики описанных событий используются следующие вероятности: Prighh Perr и Р'fahe соответственно. Оценка указанных вероятностных критериев может производиться посредством статистических методов с использованием массива прецендетов [25]. В частных случаях, когда известны особенности наблюдаемых объектов и особенности работы алгоритмов, могут быть введены дополнительные события или детализированы имеющиеся. Например, для систем распознавания автомобильных номеров можно сформулировать следующие вероятностные критерии: вероятность безусловного распознавания, вероятность условного распознавания, вероятность ошибочного узнавания, вероятность ошибки, вероятность пропуска, вероятность ложного распознавания [26]. Все вероятностные критерии можно обобщенно представить следующим образом:
^ig=Oi>-> Рп)> (1-8)
где pi - i-ый вероятностный критерий.
Например, для систем распознавания текстовых меток в общем виде
Palg~ right} Perrt Pfalse )■