다층 탐색을 이용한 컨테이너 식별자 영상 인식 시스템

국문 초록 (Abstract)

카메라에서 입력받은 컬러 영상을 흑백으로 변환하여 영상에서 밝기에 따라 군집을 이루는 영역을 층으로 설정했다. 각 평면의 누적개수를 분석하는 다층탐색으로 이진화의 임계치를 찾아 영상을 이진화했다. 레이블링을 사용해서 문자 후보를 선별하고 패널링을 통해 문자영역 후보를 생성했다. 패널병합은 행간병합, 열간병합, 그리고 층간병합으로 수행해서 문자영역의 후보를 줄인다. 문자영역에서 개별문자의 분리를 위해서 다시 히스토그램분석을 수행해서 이진화의 임계치를 구한다. 앞서 수행했던 다층탐색의 각 층에서의 정보를 활용하여 방향성을 결정하며 문자영역의 이진화 영상을 생성한다. 이 영상에서 레이블링을 수행하였고 레이블간의 위치정보를 분석하여 기울어짐을 보정했다. 이러한 전처리 과정으로 정확한 문자영역의 검출과 개별문자의 분리율을 높여 인식률을 향상시켰다. 분리한 개별문자의 인식에 인공신경망을 사용하였다. 실험 결과 기존의 상용제품에서 인식에서 실패한 영상들에 대해서도 80%를 인식할 수 있었다. 직접 촬영한 영상에서는 100%의 인식률을 보였다.
향후 부적절한 조명, 문자의 멸실 등 다양한 환경에서의 영상들을 대상으로 인식률을 향상시키는 연구가 필요하다.

목차 (Table of Contents)

• 목차 ⅰ
• 요약 ⅵ
• Abstract ⅷ
• 제 1 장 서론 1
• 제 2 장 컨테이너 식별자 영상 인식 전처리 3
• 2.1 컨테이너 식별자의 특징 및 배열 구조 3
• 2.2 컨테이너 식별자 인식을 위한 영상의 이진화 5
• 2.2.1 영상변환 5
• 2.2.2 이진화(Binarization) 7
• 2.2.3 레이블링(Labeling) 16
• 2.2.4 패널링(Paneling) 17
• 2.2.5 패널병합(Panel Merge) 19
• 2.3 개별문자 분리 20
• 2.3.1 문자영역의 이진화 21
• 2.3.2 문자영역의 기울기 보정 23
• 2.3.3 분리(Segmentation) 24
• 제 3 장 컨테이너 식별자 영상 인식 및 시스템 26
• 3.1 개별 문자의 인식을 위한 신경망 설계 26
• 3.1.1 다층 퍼셉트론 26
• 3.1.2 신경망 설계 27
• 3.1.3 신경망 데이터 설계 30
• 3.1.4 정규화 34
• 3.1.5 문자인식 34
• 제 4 장 실험 결과 및 고찰 36
• 4.1 실험 환경 36
• 4.2 신경망의 학습 정보 38
• 4.3 컨테이너 번호 인식 실험 39
• 제 5 장 결론 42
• 참고문헌 43