نمونه هايي از کاربردهاي پردازش تصوير در سيستمهاي ترافيکي

1. به نام خدا نمونه هايي از کاربردهاي پردازش تصويردر سيستمهاي ترافيکي

2. . مشكلات ناشي از حمل و نقل و ترافيكتلفات زماني , مالي و جاني . حركت بسوي سيستمهاي ترابري هوشمند(ITS) .كاهش تراكم ترافيكي .افزايش ايمني .مصرف بهينه انرژي .كاهش زمان مسافرت

3. مكانيابي ارتباطات بينايي ماشيني رادار .خودروهاي هوشمند(IV)

4. سيستم كامل جمع آوري اطلاعات

5. .تشخيص عابر پياده در شب . تشخيص حدود جاده و باند ها ي آن و هشدار تخلف کاربردها ي خودروهاي هوشمند : .تشخيص موانع در مسير رانندگي

6. .تشخيص علائم راهنمايي و رانندگي ( هشدار تخلف ) .تشخيص خواب آلودگي راننده .تشخيص حداقل فاصله از اتومبيل جلويي

7. .تعريف صورت مسأله :

8. گام اول گام دوم گام سوم گام چهارم گام پنجم فيلتر رنگ و پردازشهاي اوليه Preprocessing تصوير ديجيتال از صحنه رانندگي استخراج ناحيه تابلو از تصوير اعمال الگوريتم تشخيص دايره اعمال تصوير نهاييبه ورودي شبكه عصبي گام نهايي اعلام عدد روي تابلو بر اساس خروجي شبكه عصبي بلوك دياگرام پيشنهادي براي حل مسأله:

9. .وروديهاي متنوع :

10. .فيلتر رنگ : .حاشيه قرمز يك گام بلند به سمت هدف

11. HSI RGB YCbCr CMY .پر كاربرد ولي حساس به روشنايي فضا هاي رنگي

12. HSI RGB YCbCr CMY .مقاوم در برابر تغييرات روشنايي فضا هاي رنگي

13. HSI RGB YCbCr CMY .استفاده محدود در چاپگرهاي رنگي فضا هاي رنگي

14. HSI RGB YCbCr CMY • علاوه بر مزاياي HSI نوعي آستانه ذاتي نسبت به رنگ قرمز دارد • منجر به بهترين نتايج در عمل شده است فضا هاي رنگي

15. .نمونه نتايج فيلتر رنگ :

16. .حذف نويز و نقاط پراكندگي : .حذف تغييرات شديد و هموارسازي تصوير : فيلتر پايين گذر .فيلترهاي حوزه فركا نس : پيچيده و كند .حوزه Spatial : .فيلتر ميانگين گير .فيلتر ميانه

17. Yes Left Pixels < Threshold h(5*5) Filtering F by h … Decrease h Dimensions No .فيلتر ميانگين گير تطبيقي :

18. .نمونه هايي از تصاوير فيلتر شده با AAF :

19. .حذف داده هاي اضافي تصوير : .تشخيص لبه : ايجاد دايره هاي اضافي

20. .نازك سازي : .در آوردن اسكلت تصوير

21. I ) Template Matching II ) Mask Based Corner Detection .روشهاي تشخيص دايره در تصوير :

22. III ) Hough Transform :

23. نتايج HHT :

24. II ) Generalized Hough Transform : • تشخيص كاراكترهاي روي تابلو : • روشهاي تشخيص كاراكتر : I ) Template Matching :

25. .Feature Extraction .Image Division .Eigen Vector Extraction . Rotation , Scaling , Translation Invariant Features III) استخراج ويژگي هاي مستقل از دوران ، مقياس و چرخش : eigen-ratio = نسبت مقدار ويژه كوچكتر ناحيه به مقدار ويژه بزرگتر ناحيه normal – angle = زاويه حاده بين بردار ويژه بزرگتر ناحيه با بردار ويژه بزرگتر اصلي center= مجذور فاصله بين مركز جرم ناحيه با مركز جرم شكل اصلي، تقسيم بر مقدار ويژه بزرگتر شكل اصلي Compactness= نسبت مساحت ناحيه به مساحت مستطيل محيط بر ناحيه

26. VI ) Neural Networks : • اصول شبكه هاي عصبي : Train , Test

27. Hopfield LVQ RBF MLP • OCR بوسيله شبكه هاي عصبي • نرماليزه به 30*30 • انتقال مركز ثقل تصوير به مختصات (15،15)

28. چند نمونه از خروجيهاي برنامه :

33. LPR : License Plate Recognition تشخيص پلاک خودرو

34. مراحل License Plate Detection: تشخيص محل پلاک License Plate Recognition: تشخيص شماره پلاک

35. Reduce Noise and Segmentation

36. Feature Extraction

37. Other Experimental Results

38. Results

39. ساير کاربردها