Performance analysis of vehicle number plate recognition algorithms developed by using the discrete wavelet transform and the digital image correlation

##plugins.themes.bootstrap3.article.main##

Natalia Isabel Maya https://orcid.org/0000-0001-5473-5895
Angie Maylin Nuñez Bedoya https://orcid.org/0000-0001-5473-5895
Harold Armando Romo Romero https://orcid.org/0000-0003-4793-3708

Keywords

Reconocimiento automático de matrículas, transformada wavelet discreta, correlación de imágenes digitales, histograma de gradientes orientados, correlación cruzada normalizada

Resumen


Objective: To develop two algorithms to evaluate through the comparison the performance of the Discrete Wavelet Transform (DWT) and Digital Image Correlation (DIC) techniques for the recognition of patterns, and more specifically the automatic recognition of license plates. Results y Conclusions: It can be concluded that one algorithm outperforms the other depending on the test performed; it is imperative to conclude that the most optimal algorithm for the recognition of vehicle registration using the DWT in conjunction with the DIC is that in which the recognition with the HOG detector is performed as an FBM technique; because although the algorithm that uses the normalized cross-correlation has the best performance in terms of time processing.


Abstract 39 | PDF Downloads 44

Citas

1. E. R. Caballero, “Aplicación práctica de la Visión Artificial para el Reconocimiento de Rostros en una Imagen, utilizando Redes”, 2017. [Online]. Available: http://repository.udistrital.edu.co/bitstream/11349/6104/1/CaballeroBarrigaEdisonRene2017.pdf

2. C. Platero Dueñas, “Introducción a la Visión Artificial,” p. 28, 2009.

3. A. Hernández, “Propuesta de estándar para el uso seguro de tec-nologías biométricas”, Universidad Nacional Autónoma de México. [Online]. Available: http://redyseguridad.fi-p.unam.mx/proyectos/biometria/basesteoricas/reconocimiento.html

4. J. Giacomantone et al., “Sistemas de Visión Automática y Reconocimiento de Patrones Interfaces Avanzadas, Realidad Virtual y Aumentada,” pp. 373–377, 2012. [Online]. Available: http://sedici.unlp.edu.ar/bitstream/handle/10915/18859/Documento_completo.pdf?sequence=1

5. M. Valenzuela Ramírez., “Construcción de un mecanismo de pro-cesamiento de patrones temporales aplicado al reconocimiento de voz”. Universidad de Chile, 2015.

6. “Introduction to the Discrete Wavelet Transform ( DWT ) DWT decomposition DWT in one dimension,” vol. 3, pp. 1–8, 2004.

7. A. Vosoughi y M. Shamsollahi, “Wavelet transform for image pro-cessing,” IEEE Trans comm., vol. 55, no. 3, pp. 3165–3168, 2009.

8. P. Crovetto, D. Palomino, y U. N. D. E. Ingeniería, “Reconocimiento de Patrones faciales en Tiempo Real mediante Transformada de Wavelet y Computación,” pp. 7–10, 2010.

9. D. G. Aguilera, “Procesamiento Avanzado de Imágenes Digitales”, Correspondencia de Imágenes, Universidad de Salamanca, PP. 1–28.

10. Á. Suárez Bravo y G. PajaresMartinsanz, “Análisis de Métodos de Procesamiento de Imágenes Estereoscópicas Forestales,” 2009. [Online]. Available: http://eprints.ucm.es/9875/1/Análisis_de_Métodos_de_Procesamiento_de_Imágenes_Estereoscópicas_Forestales_-_Álvaro_Suárez_Bravo.pdf

11. N. I. Corporation, “Reconocimiento de imágenes,” pp. 41–54, 2010. [Online].Available: http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/ramirez_r_ja/

12. V. Fachbereich, F. Alhwarin, S. Referent, A. Gr, and D. Silber, “Fast and robust image feature matching methods for computer vi-sion applications,” no. April, 2011.

13. Mathworks, Matlab, “Choose a Wavelet”. [Online]. Available: https://la.mathworks.com/help/wavelet/gs/choose-a-wavelet.html?requestedDomain=true

14. X. Li, “Vehicle license plate detection and recognition,” no. De-cember, pp. 1–69, 2010.

15. B. Zitová and J. Flusser, “Image registration methods: A survey,” Image Vis. Comput., vol. 21, no. 11, pp. 977–1000, 2003.