Sonuç ve Çıkarımlar

Yapılan çalışma sonunda ayrıt saptamaya dayalı yeni bir plaka yer saptama (PYS) yöntemi geliştirilmiştir. PYS‟nin sadece ayrıt indirgenme özelliği kullanılarak, ayrıt saptamaya dayalı mevcut yöntemlerin plaka tanıma başarımları arttırabilir. Çünkü ayrıt indirgeme plaka bölgesi içerisindeki ayrıtları koruyup bu bölge dışında kalan ayrıtları eleyecek şekilde davranmaktadır. Sonuçlar ÇOM-APTS ile tümleştirilen ayrıt indirgemenin PYS başarımının %2 ile %5 oranında arttırdığını göstermiştir. Ancak ayrıt indirgeme; düşük kontrastlı görüntülerde, plaka bölgesine düşen ayrıt miktarı zaten düşük iken kullanıldığında başarımı düşürebilir.

Referans olarak alınan ÇOM-APTS ayrıtlardan plaka bölgesini saptamaya çalışırken ilk olarak, yatay doğrultuda oluşan plaka karakteristiği dikkate almış ve plaka çizgileri bulmuştur. Daha sonra düşey doğrultuda, çizgiler arasındaki özilintileri dikkate alarak plaka adayları bulunmuştur. Geliştirilen yöntemde ise ilk olarak düşeydeki özilintiler dikkate alınmıştır. İlk önce plaka karakter adayları daha sonra plaka adayları elde edilmiştir. Yapılan ölçümlerde geliştirilen yöntemin yer bulma başarımını %7 ile %10 arttığı görülmüştür. Aradaki farkın nedeni düşey doğrultuda plaka çizgileri arasında oluşan özilintileri takip etmenin ve plaka adayının sağında ve solunda oluşan gürültüleri elemenin zorluğudur. Ayrıca plakanın eğimli olabilmesi ilk yöntemi zorlarken, geliştirilen yöntemi çok az etkiler.

Geliştirilen PYS yönteminde asıl amaç ÇOM-APTS plaka tanıma başarımının artmasıdır. Yapılan ölçümlerde plaka tanıma başarımının kabul edilir düzeyde arttığı gözlenmiştir. Değişik veritabanları için başarım %3 ile %7 arasında artmıştır. Plaka tanıma başarımı PYS başarımından etkilenmiş ancak artım PYS‟deki kadar yüksek olmamıştır. Bunun bir nedeni plaka tanıma adımlarının birbirinden tamamen bağımsız olmamasıdır. Örneğin karakter bölütleme ve tanıma aşamasında PYS sonucu elde edilen bölgenin etrafındaki kimi gürültüler elenerek PYS ile bulunan bölge daraltılır.

Başarım artımlarına rağmen geliştirilen yöntemin eksik kalan tarafları vardır. Bunlardan birisi ayrıt saptama sırasında kullanılan eşik değeridir. Eşik değeri görüntüye göre değişir ancak tek bir seviyededir (%1). Kimi düşük kontrastlı görüntülerde eşik seviyesinin artırılması gerekmektedir. Yöntem; birden fazla eşik seviyesi ile paralel olarak çalışmalı ve elde edilen sonuçları birleştirebilmelidir. Eksik kalan diğer bir nokta; eşikleme ile elde edilen plaka karakter aday (PKA)‟larının plaka bölütleme aşamasında değerlendirilmemesidir. Birçok örnek için ayrıt indirgeme ile eşiklenmiş plaka bölgesinde birbirinden net olarak ayrılan PKA‟lar, bölütlenme aşamasında kullanılan eşikleme yöntemleriyle birbirlerine yapışmaktadırlar.

Geliştirilen PYS ile ÇOM-APTS daha başarılı ve daha hızlı bir sistem olmuştur. Elde edilen sonuçlar sistem başarımının, şu ana kadar yapılan çalışmalarda ulaşılan plaka tanıma başarımlarının çoğunun üstünde olduğunu göstermektedir. Ancak sağlıklı bir kıyaslama için; geliştirilen bütün sistemlerin üzerinde çalışabileceği ortak bir veritabanına gereksinim vardır.

KAYNAKLAR

[1] Çapar, A., Beratoğlu, M. S., TaĢdemir K., Kılıç, Ö. ve Gökmen M., 2003. İTÜ Araç Plaka Tanıma Sistemi, 11. Sinyal İşleme ve İletişim

Uygulamaları Kurultayı, KÜ, İstanbul, 18-20 Haziran, s. 371-374.

[2] Nishiyama, K., Kato, K. and Hinenoya, T. , 1991. Image processing system for traffic measurement, Proceedings of International Conference on

Industrial Electronics, Control and Instrumentation, Kobe, Japan,

1725–1729.

[3] Cui, Y. and Huang, Q., 1998. Extracting characters of license plates from video sequences, Machine Vision and Applications, 10(5/6): 308-320.

[4] Kim, H. J., Kim, D. W., Kim, S. K., Lee and J. K.,1997. Automatic Recognition of A Car License Plate using Color Image Processing,

Engineering Design and Automation Journal, 3.

[5] Lee, E. R., Kim, P. K. and Kim, H. J., 1994. Automatic Recognition of a License Plate Using Color, In Proc. International Conference on

Image Processing, 301-305.

[6] Siah, Y. K. and Haur, T. Y., 1996. Vehicle license plate recognition by fuzzy Art-map neural network, Centre for Artificial Intelligence and

Robotics, Kuala Lumpur.

[7] Kamat, V. and Ganesan, S., 1995. An efficient implementation of the Hough transform for detecting vehicle license plates using DSP'S, Real-Time

Technology and Applications Symposium.

[8] Parker, J.R. and Federl, P., 1996. An Approach To License Plate Recognition,

[10] Ponce, P., Wang, S. and Wang, S. D., 2000. License Plate Recognition-Final Report, Department of Electrical and Computer Engineering, Carnegie Mellon University.

[11] Çolakoğlu, Ö. F. ve Gündoğ, C., 2003. Araç Plaka Tanıma Sistemi, 11. Sinyal

İşleme ve İletişim Uygulamaları Kurultayı, KÜ, İstanbul, 18-20

Haziran, s. 379-382.

[12] TaĢyapı, A., Özer, S., Çelebi, A. ve ġahinTürk, L., 2003. Etiketleme Tabanlı Taşıt Plakası Tanıma Sistemi, 11. Sinyal İşleme ve İletişim

Uygulamaları Kurultayı, KÜ, İstanbul, 18-20 Haziran, s. 375-378.

[13] Barroso, J., Rafael, A., Dagless, E. L. and Cruz, J. B., 1997. Number plate reading using computer vision, IEEE - International Symposium on

Industrial Electronics ISIE’97, Universidade do Minho, Guimarães,

Portugal, Julho.

[14] Draghici, S., 1997. A Neural Network Based Artificial Vision System For License Plate Recognition, International Journal of Neural Systems, Vol. 8, No. 1, p. 113-126.

[15] Çapar, A. ve Gökmen M., 2003. Yapay Sinir Ağları Temelli Araç Plaka Yeri Saptama, 11. Sinyal İşleme ve İletişim Uygulamaları Kurultayı, KÜ, İstanbul, 18-20 Haziran, s. 383-386.

[16] Kim, K., Jung K., and Kim, J. H., “Color Texture-Based Object Detection: An Application to License Plate Localization”, LNCS 2388, p. 293. [17] Beratoğlu, M. S. ve Gökmen M., 2003. ITU VIP – Görsel Görüntü İşleme

Ortamı, 11. Sinyal İşleme ve İletişim Uygulamaları Kurultayı, KÜ, İstanbul, 18-20 Haziran, s. 371-374.

[18] Parker, J. R., 1996. Algorithms for Image Processing and Computer Vision, John Wiley & Sons, Inc. New York.

[19] Lee, D., 1989. Edge Detection, Classification, and Measurement, CVPR89, p. 2-10, 1989.

[20] Canny, J. F., 1986. A computational approach to edge detection, IEEE

[21] William, K. P., 1991. Digital Image Processing, John Wiley & Sons, Inc. [22] Michael D. Garris et al. NIST Form-Based Handprint Recognition System. [23] Duda, R. O. and Hart, P. E., 1973. Pattern Classification and Scene Analysis,

ÖZGEÇMĠġ

Muhammet Sebul Beratoğlu Kabil, Afganistan‟da 1977 yılında doğdu. İlk ve orta öğrenimini İstanbul Bahçelievler İlköğretim Okulu‟nda yaptı. Burslu olarak öğrenim gördüğü Ankara Özel Samanyolu Fen Lisesi‟ni 1994 yılında bitirdi. 2000 yılında İstanbul Teknik Üniversitesi, Elektrik ve Elektronik Fakültesi, Kontrol ve Bilgisayar Mühendisliğinden mezun oldu. 2000-2002 yılları arasında Adam Elektronik A.Ş.‟de Bilgisayar Mühendisi olarak çalıştı. Halen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümünde yüksek lisans eğitimini sürdürmektedir. Eylül 2002 tarihinden beri İTÜ Bilişim Enstitüsüne bağlı olarak İTÜ Çoğul Ortam Merkezinde araştırma görevlisidir. İlgi alanları görüntü işleme ve işletim sistemleridir.