Analiza problemów rozpoznawania przesyłki pocztowej w systemach logistycznych

• Autorzy: Mirosław Miciak , Roman Wiatr , Tomasz Talaśka , Tomasz Andrysiak

Warianty tytułu

The Analysis of Recognition of Postal Items Problems in Logistic Systems

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono propozycje metod wydzielenia cech charakterystycznych dla obrazów przedstawiających przesyłki pocztowe. Zaproponowano algorytmy przetwarzania obrazu opłaty pocztowej, tak aby pod uwagę były brane te cechy, które zawierają najwięcej dystynktywnych informacji. Przedstawiono szereg metod klasyfikacji cech obrazu możliwych do zastosowania w systemach rozpoznawania i klasyfikacji przesyłek pocztowych. Uwzględniono możliwość zastosowania informacji w procesie ekstrakcji cech obrazu przesyłki pocztowej. Zwrócono uwagę na problemy związane z przetwarzaniem wstępnym i segmentacją obrazu kolorowego oraz wyboru przestrzeni barw na późniejsze etapy przetwarzania. (abstrakt oryginalny)

EN

The article presents proposals for methods of extracting the features of the post mails images. Image processing algorithms have been proposed payment, to be taken into account those features that contain the most distinctive information. The possibility of applying the information extraction process imaging features of postal. Attention was paid to the problems of pre-processing and image segmentation of color and choice of color space for subsequent processing steps. (original abstract)

Słowa kluczowe

PL

Przetwarzanie obrazu; Procesy logistyczne

EN

Image processing; Logistics processes

• Czasopismo: Logistyka
• Rocznik: 2016
• Numer: nr 1, cz. 2, CD 1
• Strony: 323--328

Twórcy

autor

Mirosław Miciak

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

autor

Roman Wiatr

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

autor

Tomasz Talaśka

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

autor

Tomasz Andrysiak

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

Bibliografia

• Aires S.B.K., Perceptual Zoning for Handwritten Character Recognition, 12th Conference of the International Graphonomics Society, 2005.
• Aradhya V. N. M., Kumar G. H., Noushath S., Robust Unconstrained Handwritten Digit Recognition using Radon Transform. ICSCN '07, pp. 626-629, 2007.
• Bercu S., Lorette G., On-line Handwritten Word Recognition: An Approach Based on Hidden Markov Models. Pre-Proc. IWFHR III, pp. 385, USA 1993.
• Bourbakis N., Methodology for document processing: separating text from images. Engineering Applications of Artificial Intelligence, vol. 14, 2001.
• Emam A., Alkhatib H., Character recognition of Arabic Script, The 4th International Conference and Exhibition on Multi-Lingual Computing, Cambridge, 1994.
• Filatov A., Volgunin A., Handwritten ZIP Code Recognition, 4th International Conference on Document Analysis and Recognition, USA 1997.
• Fix E., Hodges J.L., Discriminatory analysis - nonparametric discrimination, Report no. 4, USAF School of Aviation Medicine, pp. 261-279, USA, 1951.
• Forella G., Word perfect, Postal Technology, 2000.
• Gonzales R.C., Digital Image Processing, Addison-Wesley Publishing Company, Boston, 1992.
• Haykin S., Neural Networks., A Comprehensive Foundation. MPC, UK 1994.
• Hu J., HMM Based On-Line Handwriting Recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.18, pp. 1039-1045, USA 1996.
• Khedekar S, Ramanaprasad V., Setlur S., Govindaraju V., Text - Image Separation in Devanagari Documents. Document Analysis and Recognition, Edinburgh 2003.
• Khorsheed M.S., Off-line Arabic character recognition: A review, Pattern Analysis and Applications, vol.5, pp. 31-45, Springer, 2002.
• Le Cun Y., Boser B., Denken J.S., Henderson D., Howard R.E., Backpropagation Applied to Handwritten Zip Code Recognition. NC, vol.1, s. 541-551, 1989.
• Le Cun Y., Generalization and Network Design Strategies. Connectionism in Perspective, Elsevier, Switzerland 1989.
• Le Cun Y., Matan O., Boser B., Denken J.S., Henderson D., Howard R.E., Hubbard W., Handwritten Zip Code Recognition with Multilayer Networks. ICPR, pp. 35-40, 1989.
• Mahmoud S. A., Abu-Amara M. H., The use of radon transform in handwritten Arabic (Indian) numerals recognition. WSEAS TCA, vol. 9, pp. 252-267, USA 2010.
• Maszewski M., Miciak M., Rozpoznawanie danych teleadresowych z wykorzystaniem współczynników Fouriera i zespolonej dyskretnej transformacji falkowej opartej na projekcji. Techniki Przetwarzania Obrazu, Serock 2006.
• Miciak M., Marchewka M., The recognition of Postal Code Using Fourier Transform Method. XII Konferencja Sieci i Systemy Informatyczne, Łódź 2004.
• Miciak M., Character Recognition Using Radon Transformation and Principal Component Analysis in Postal Applications, IMCIST 2008, Wisła 2008.
• Romero D. J., Seijas L. M., Ruedin A. M., Directional Continuous Wavelet Transform Applied to Handwritten Numerals Recognition Using Neural Networks. JCS, 7, 2007.
• Vapnik V.N., The Nature of Statistical Learning Theory. Information Science and Statistics, Springer-Verlag, 1995.
• Wojnarski M., LTF-C Architecture, Training Algorithm and Applications of New Neural Classifier, Fundamenta Informaticae, vol.54, pp. 89-105, IOS Press, 2003.
• Wojnarski M., LTF-C - Neural Network for Solving Classification Problems, Parallel Processing and Applied Mathematics, Lecture Notes in Computer Science, vol.2328, s.573-578, 2006.
• Wunsch P., Laine A. F., Wavelet descriptors for multiresolution recognition of handprinted characters. Pattern Recognition 28, pp. 1237-1249, 1995.
• Zhang D., Lu G., A Comparative Study on Shape Retrieval Using Fourier Descriptors with Different Shape Signatures. ICIMADE '01, pp. 1-9, USA 2001.