Projektbeschreibung
Da auch in der Industrie die Zeichenerkennung immer mehr an Bedeutung gewinnt, steigt das Interesse an so genannten Smart Cameras. Diese ermöglichen nicht nur Bilder zu erfassen, sondern sie werten diese auch aus. Anwendung finden diese Kameras vor allem in der Verpackungs- und Automobilindustrie, wo z. B. Seriennummern oder Verfallsdaten gelesen werden. Da sämtliche Berechnungen in der Camera ablaufen werden externe Rechnersysteme weitgehend überflüssig, was zum einen die Kosten reduziert, aber auch eine Platzersparnis mit sich bringt.
Im Rahmen dieses Projekts werden Lokalisationsverfahren zum auffinden von Textregionen in Bildern untersucht. Zudem werden Segmentierungsverfahren betrachtet um die einzelnen Zeichen aus den Textregionen zu extrahieren. Um die Klassifikation möglichst robust zu machen spielt auch die Betrachtung von Merkmalen eine wichtige Rolle. Die eigentliche Entscheidung trifft letztendlich der Klassifikator, daher ist auch eine Untersuchung dieser unumgänglich. Durch mögliche Plausibilitätsprüfungen sollen mögliche Fehler bei der Klassifikation aufgedeckt und gegebenenfalls korrigiert werden. Wichtig ist bei all diesen Teilaufgaben dass die Randbedingungen die durch die Kamera und deren Anwendung gegeben sind, z. B. begrenzte Speicher- und Rechenleistung, Echtzeitfähigkeit, mitberücksichtigt werden.
Title | Authors | Source |
---|---|---|
Performance improvement of character recognition in industrial applications using prior knowledge for more reliable segmentation | Grafmüller, M.; Beyerer, J. | Expert Systems with Applications 40 no. 17, pp. 6955-6963, Elsevier, 2013. |
Verfahrensfortschritte in der robusten Echtzeiterkennung von Schriftzeichen | Grafmüller, M. | Dissertation, Schriftenreihe Automatische Sichtprüfung und Bildverarbeitung; 5, KIT Scientific Publishing, 2013. |
Multi-Label Graph Cuts including Prior Knowledge for Character Segmentation | Grafmüller, M. | Technical report IES-2012-09. In: Beyerer, J.; Pak, A. (eds.), Proceedings of the 2012 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, pp. 123-137, KIT Scientific Publishing, 2012. |
Robust High Performance Character Segmentation Based on Projections and Graph Cuts | Grafmüller, M.; Beyerer, J. | Rao, K. R. (ed.), Proceedings of the 13th IASTED International Conference on Signal and Image Processing, 2011. |
Adaptive Segmentierung von gedruckten Punkt-Matrix-Zeichen aus Grauwertbildern | Grafmüller, M.; Beyerer, J. | Puente León, F.; Heizmann, M. (eds.), Forum Bildverarbeitung, pp. 253-264, KIT Scientific Publishing, 2010. |
A First Approach to Typewritten Character Segmentation using Graph Cuts | Grafmüller, M. | Technical report IES-2010-11. In: Beyerer, J.; Huber, M. (eds.), Proceedings of the 2010 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, Karlsruher Schriften zur Anthropomatik, vol. 7, pp. 151-164, KIT Scientific Publishing, 2010. |
Decision Tree Classifier for Character Recognition Combining Support Vector Machines and Artificial Neural Networks | Grafmüller, M.; Beyerer, J.; Kroschel, K. | Mathematics of Data/Image Coding, Compression, and Encryption with Applications, Proceedings of SPIE Vol. 7799, 2010. |
Segmentation of Printed Gray Scale Dot Matrix Characters | Grafmüller, M.; Beyerer, J. | Baralt, J.; Callaos, N.; Hashimoto, S.; Lesso, W.; Zinn, D. (eds.), Proceedings of the 14th World Multi-Conference on Systemics, Cybernetics and Informatics (WMSCI), vol. II, pp. 87-91, 2010. |
Character Recognition based on Trellis Diagrams | Grafmüller, M.; Beyerer, J.; Kroschel, K. | Proceedings of the 17th International Conference on Systems, Signals and Image Processing (IWSSIP), 2010. |
A First Approach to Trellis-Based Classification | Grafmüller, M. | Technical report IES-2009-12. In: Beyerer, J.; Huber, M. (eds.), Proceedings of the 2009 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, pp. 175-185, KIT Scientific Publishing, 2009. |