1

Я хотел бы, чтобы соответствовать два изображения номерного знака, эталонные изображения приведены ниженомерного знака Image Matching

License plate 1
License plate 2

Вот эти две номерной знак принадлежит то же транспортное средство, следовательно, они должны дать матч. В этих изображениях может быть масштабирование и небольшое вращение, также может быть видна только часть оригинала, как указано в примере. Если номерной знак принадлежит к другому алгоритму автомобиля, следует сказать, что он отличается.

Какой лучший алгоритм для этого?

+0

Возможно, OCR может сделать трюк. Будет ли это работать на вас? – GilLevi

+0

В большинстве случаев я получаю неправильные результаты во время сегментации, в таких случаях я не получаю правильных результатов в OCR –

ответ

1

Я предлагаю вам использовать функции openCV из Feature2D Framework и Homography метод обработки проблемы масштабирования и вращения. В частности, в Feature2D есть классы, которые могут быть полезны для ваших detect the letter, extract и match your two templates после извлечения.

+0

Какие все функции, которые я могу использовать из Feature2D, для обнаружения и извлечения букв –

+0

Использовать масштабируемое преобразование объектов извлекайте линии в разных ориентациях для каждой буквы.Кроме того, извлечение объектов может помочь, хотя оно используется в проблеме OCR, что кажется гораздо более сложным, чем проблема соответствия. В основном вы можете исследовать возможные окрестности пикселей: http://www.ccs.neu.edu/home/feneric/charrec.html – lennon310

+0

Спасибо за ваш ответ –

1

Честно говоря, это нетривиальный вопрос.

Просто перечислить некоторые очевидные варианты:

  • Реализовать один из многочисленного программного обеспечения распознавания символов, и получить строку символов, а затем выполнить поиск по подстроке в другой строке.
  • Для изображений с почти никакой разницы в масштабирования уровня, используйте фильтры обнаружения края, как оператор кэнни, чтобы улучшения изображения, а затем использовать ИСП (Итеративная ближайшую точку), позволяя каждое ребро пиксель обеспечивает вектор к ближайшему edge pixel в другое изображение, с аналогичным значением. это обычно выравнивает изображения, если они достаточно похожи. Итоговый счет подскажет вам, насколько похожи они .
  • Для очень больших уровней масштабирования используйте несколько поворотов и масштабирование гипотезы, и для каждого масштабируйте изображения и выполните взаимную корреляцию двух изображений. выберите гипотезу, которая обеспечивает координаты с наилучшей корреляцией и использует точку корреляции как смещение x и y. Значение корреляции говорит вам, насколько хорошо вам подходит.

было разработано множество других более интеллектуальных алгоритмов для подгонки изображений. Однако у вас гораздо большие проблемы. В двух примерах, которые вы предоставляете, не отображается весь лицензионный знак, поэтому вы не сможете сказать ничего лучше, чем «вероятность совпадения больше нуля», так как число видимых символов увеличивается, так же как и вероятность матча.

Вы можете утверждать, что небольшие повреждения номерного знака также увеличивают вероятность, в этом случае необходима корреляция или аналогичный метод для оценки вероятности совпадения.