Вычисление среднего расстояния между пиками горизонтальной проекции

В ходе анализа и построении алгоритма шумофильтрации на этапе сегментации символьных строк, прояснилась необходимость в описании особой базы или словаря для хранения модельной и скелетной проекции символов алфавита. Однако, при форматировании записей алфавитной проекции в словаре возникли вопросы: сколько значений проекции необходимо для описания единственного символа, а также, как может изменяться данная величина в зависимости от числа проанализированных строк и их символов. Объекты исследования в статье – это вертикальная проекция символов, а так же их ширина сегментов проекции. Предмет изучения – изменение средней ширины символьного сегмента проекции для определенного типа номерных знаков (символьных строк). Основная цель – вычисление и обоснование средней величины сегмента. Информация о средней ширине сегмента проекции, описывающей символ, позволяет определить число значений проекции (координат по оси ox) для хранения самих значений проекций этого символа из некоторого алфавита. Рассматриваются несколько языковых алфавитов, где каждому из них сопоставлен уникальный тип. В частности, рассмотрены номерные знаки Республики Беларусь и Словацкой Республики. Используя элементарный статистический аппарат, проведены вычисления и анализ выборок, учитывая случай высокой их вариации. В результате получены средние значения ширины сегментов и значения дисперсии ширины сегментов на примере двух типов алфавитов. Попутно, в ходе исследования, представлен алгоритм использования полученных величин при формировании записей модельной проекции. Алгоритм учитывает «особые» случаи выхода за границы сегментов. Описанные шаги и вычисления возможно применить для большего числа алфавитов, что указывает на возможность описания словарей модельной проекции для них, с последующем широким использованием в шумофильтрации символьных строк.

1. Ondrej Martinsky. Algorithmic and Mathematical Principles of Automatic Number Plate Recognition Systems. // B. Sc. Thesis, Brno University of Technology, Faculty of Information Technology, Department of Intelligent Systems, 2007. – 76 c.

2. Визильтер Ю. В., Желтов С. Ю., Князь В. А., Ходарев А. Н., Моржин А. В. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision. – М.: ДМК Прес, 2007. – 464 с.

3. Гонсалес Р., Вудс Р. Цифровая обработка изображений // М.: Техносфера. 2005. 1072 c.

4. Заерко, Д. В. Применение модифицированных алгоритмов JavaANPR для автоматического распознавания номеров автомобилей / Д. В. Заерко, В. А. Липницкий // Информационные технологии и системы 2018 (ИТС – 2018): материалы международной научной конференции, БГУИР, Минск, Беларусь, 25 октября 2018 г. – C. 286–287.

5. Заерко Д. В. Фильтрация сегментной проекции символьной строки на этапе сегментации. Д. В. Заерко, В. А. Липницкий. // XVII Международная конференция «Технические средства защиты информации»: материалы международной научной конференции, БГУИР, Минск, Беларусь. 11июня 2019. Минск. – C. 29.

6. Гмурман. В. Е. Теория вероятностей и математическая статистика: учебное пособие / В. Е. Гмурман. – Издание 9-е, дополненное. – М.: Высшая школа, 2003. – 479 с.