Browsing by Subject "Kohonen network"

Now showing 1 - 2 of 2

Access status: Restricted ,
Aplikacja do rozpoznawania i interpretacji tablic rejestracyjnych
(Data obrony: 2017-10-06) Śręba, Iwona
Wydział Geologii, Geofizyki i Ochrony Środowiska
Celem pracy było stworzenie aplikacji mobilnej do automatycznego rozpoznawania polskich tablic rejestracyjnych i przyporządkowanie ich do poszczególnych miast. Aplikacja przetwarza obraz tablicy rejestracyjnej w czasie rzeczywistym wyświetlając na bieżąco wynik rozpoznawania na ekranie urządzenia. System został zaprojektowany na urządzenia mobilne (z wbudowaną kamerą cyfrową) z systemem Android. Algorytm rozpoznawania tablicy rejestracyjnej składa się z 3 głównych części: lokalizacji tablicy rejestracyjnej, segmentacji znaków oraz ich odczytania. Przetwarzanie obrazu tablicy samochodowej opiera się na metodach morfologicznych, natomiast do lokalizacji powierzchni tablicy rejestracyjnej zastosowano kaskadowy klasyfikator. Zaimplementowana w aplikacji sieć neuronowa Kohonena pozwala na rozpoznanie znaków tablicy, wykorzystując moc obliczeniową urządzenia mobilnego. Aplikacja stanowi podstawę do stworzenia zaawansowanego systemu dla użytku komercyjnego.
Access status: Open Access ,
Wykorzystanie sieci Kohonena do selekcji podobrazów na potrzeby dopasowania zdjęć lotniczych
(Wydawnictwa AGH, 2007) Czechowicz, Anna; Mikrut, Zbigniew
Automatic relative orientation is one of the key problems in photogrammetric processing. This paper concerns the application of the representation based on the gradient distribution and Kohonen neural networks for the selection of sub-images for aerial photographs matching purposes. The examinations were conducted over 904 sub-images of the aerial photographs of the Krakow's surroundings with different land cover, grouped into three categories: advantageous, nondescript and disadvantageous in respect of searching features for relative orientation. The 2D histogram was acquired for every sub-image and on this basis the representation in form of the vector of maximum values for gradient direction has been determined. This representation was utilized for the classification of areas with Kohonen network. The correctness of the obtained classification, compared to manually done, achieved the Ievel of 68,3%.