검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Adaptive Binarization for Vehicle State Images Based on Contrast Preserving Decolorization and Major Cluster Estimation 대비 보존 탈색 및 주요 클러스터 추정을 기반으로 한 차량 상태 이미지의 적응형 이진화

Ye TIAN, Mei HAN

  • 조회수

    0

  • 이것을 인용

요약 :

철도교통의 지능형 운영 및 유지관리 시스템으로부터 획득된 차량 상태 영상에 대한 새로운 적응형 이진화 방법을 제안한다. 이 방법은 철도 교통의 지능형 운영 및 유지 관리 시스템에서 해당 차량 상태 정보를 보다 빠르고 효과적으로 확인할 수 있으며, 차량 운영 상태를 실시간으로 추적 및 모니터링하고 시스템의 비상 대응 능력을 향상시킬 수 있습니다. 제안한 방법의 장점은 크게 두 가지이다. 탈색을 위해 대비 보존 탈색 방법[1]을 사용하여 차량 상태 영상 배경의 색상 정보를 최대한 유지할 수 있는 RGB 영상의 계조에 대한 R, G, B의 적절한 비율을 구하고 이를 유지한다. 전경과 배경의 대비. 임계값 선택 측면에서는 주요 클러스터 추정[2]을 이용하여 차량 상태 영상의 다색 배경에 해당하는 회색값의 평균값과 표준편차를 구하고 이진화를 위한 2 시그마 원리에 의해 적응형 임계값을 결정하며, 텍스트, 식별자 및 기타 대상 정보를 효과적으로 추출할 수 있습니다. 실험 결과는 배경 색상 정보가 풍부한 차량 상태 이미지에 대해 이 방법이 전역 임계값 Otsu 알고리즘[3] 및 로컬 임계값 Sauvola 알고리즘[4],[5]과 같은 기존 이진화 방법보다 우수함을 보여줍니다. 임계값 기반, Mean-Shift 알고리즘[6], K-Means 알고리즘[7] 및 통계 학습 기반 Fuzzy C Means[8] 알고리즘. 지능형 철도교통 데이터 검증을 위한 영상 전처리 기법으로, 다양한 차량 상태의 영상이 포함된 데이터 세트를 통해 광학 문자 인식을 검증함으로써 텍스트 및 식별자 인식의 정확도를 효과적으로 향상시킬 수 있다.

발행
IEICE TRANSACTIONS on Information Vol.E105-D No.3 pp.679-688
발행일
2022/03/01
공개일
2021/12/07
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2021EDP7218
원고의 종류
PAPER
범주
이미지 처리 및 비디오 처리

작성자

Ye TIAN
  Zhuzhou CRRC Times Electric Co., Ltd.
Mei HAN
  Hunan University of Technology

키워드