O‘zbekiston respublikasi fanlar akademiyasi

Рақам белгиси соҳасини ажратиб олиш. Бу бўлимда кўриб чиқилган 
алгоритмлар иккита босқичдан ташкил топади. Биринчи босқичда интенсивлик 
проекцияси аниқланади, иккинчи босқичда эса локал максимум амалга 
оширилади.
Тасвирнинг вертикал проекцияси
( )
вертикал
Р
у
ни аниқлаш мақсадида ҳар бир 
сатр бўйича интенсивликлар қийматлари қўшиб чиқилади. Шундан кейин кўриб 
чиқилаётган катталик максимуми аниқланади [2, 3]: 
arg sup
( ),
0
кизиктираётган соха
вертикаль
y
Р
у
y
H

 
бу ерда
H

тасвир баландлиги. 
Кейин вертикал ўқдаги рақам белгисининг юқори ва қуйи чегаралари 
аниқланади: 
sup arg
( )
(
) , (1)
inf arg
( )
(
) ,
юкори
вертикаль
вертикаль
кизиктираётган соха
куйи
вертикаль
вертикаль
кизиктираётган соха
y
P
у
P
у
у D
y
P
у
P
у

















(2)
:
0,
.
кизиктираётган соха
у D
D
x x
y




 


---

65 
sup arg
ва 
inf arg
процедуралари қуйидагича бажарилади. Аввал (1) ва 
(2) формулаларда қавс ичида кўрсатилган шарт бажариладиган аргументнинг 
барча қийматлари топилади. Кейин улар орасидан мос ҳолда энг катта ва энг 
кичиклари танлаб олинади. Бу формулаларда 

қиймати тажрибалар йўли билан 
аниқланади. Тасвирнинг горизонтал проекция 
( )
горизонталь
Р
х
шу тарзда топилади. 
Горизонтал проекциянинг энг катта қийматларини қидириш асосида рақам 
белгисининг чап 
чап
x
ва ўнг
унг
x
чегаралари аниқланади: 






1
1
1
2
arg
( )
( )
,
arg
( )
( )
,
:
0,
,
:
,
,
1
1
( )
( ),
( )
sup
sup
чап
чап
унг
унг
кизиктираётган соха
кизиктираётган соха
x
горизонталь
чап
горизонтал
j x
умумий
умумий
x
P x
P
x
x
P x
P
x
z z
x
z z
x
N
P x
P
j
P
x
P
P
P












 

























1
1
1
1
1
0
( ),
1
( )
( ),
( )
( ),
x
ь
j
N
N
унг
горизонталь
умумий
горизонталь
j x
j
умумий
j
P
x
P
j
P
x
P
j
P




 






бу ерда 
 

нинг қийматига боғлиқ ҳолда аниқланувчи константа (масалан, 
0, 01
);




 
тажриба йўли билан аниқланувчи қандайдир оралиқ. 
Рақам белгисини сегментация қилиш. Таклиф қилинган алгоритмнинг 
умумий ишлаш схемаси қуйидагича кўринишга эга. Тасвирнинг ҳар бир пиксели 
учун энегетик функция қиймати ҳисобланади ва энергетик функцияни ҳисобга 
олган ҳолда энг аҳамиятли элементлар ажратиб олинади. Бунда бир нечта 
ёндашувлардан фойдаланиш мумкин. Масалан, энергиянинг максимал сақланиш 
шартини бериш ва энг кам энергияга эга бўлган пикселлар бўйича ажратишни 
амалга ошириш мумкин. 
Тасвирнинг бузилишининг олдини олиш мақсадида сегментларга бўлиш 
ўтказиладиган пикселларнинг боғлиқлиги шарти бажарилади. Тасвирда барча 
ўтиш маршрутлари – тасвирда юқоридан пастга қилиб қурилган саккиз томонлама 
боғланган пикселлар тўпламлари аниқланади.
Шакл алмаштирилган тасвирда саккиз томонлама боғланган пикселлар 
тўпламлари доирасида энергиянинг ўзгариши минимал даражада бўладиган 
чизиқлар мавжуд. Баҳо функциясига таянган ҳолда барча бундай йўлларнинг 
баҳоси ҳисобланади. Кейин символларни ажратиш чизиқлари шакллантирилади, у 
итератив тарзда амалга оширилади. 
Символлар тасвирлари белгиларини ажратиб олиш. Автомобиллар 
рақамларини таниб олиш тизимларини яратишда фойдаланиладиган символлар 
тасвирларининг белгилари танлаб олинувчи моментлар сифатида аниқланади 
[3,15]. 
M N

ўлчамли 
( , )
f x y
рақамли тасвир учун p
q

тартибли икки ўлчамли 
момент бутун сонли 
,
0,1, 2,..
p q

лар учун каби аниқланади. 
(
)
p
q

тартибли 
мос марказий моментлар (p, q = 0, 1, 2,... учун) қуйидагича аниқланади [15]: 
1
1
0
0
(
) (
)
( , ),
M
N
p
q
pq
x
y
x
x
y
y
f x y









бу ерда
10
00
m
x
m

ва 
10
00
.
m
y
m

Учинчи тартибгача бўлган марказий моментлар учун моментларни ёзиб 
чиқамиз [15]: 

---

66 
2
00
00
02
02
01
01
21
21
11
20
01
2
10
12
21
11
02
10
2
11
11
10
11
10
30
30
20
10
2
20
20
10
03
03
02
01
,
0
2
2
,
0
2
2
,
3
2
,
,
3
2
.
m
m
ym
m
xm
ym
x m
m
ym
xm
y m
m
xm m
ym
m
xm
x m
m
xm
m
ym
y m


































pq

билан белгиланадиган нормаллаштирилган марказий моментлар 
қуйидагича аниқланади: 
00
,
pq
pq





бу ерда
2, 3,..
p
q
 
учун 
1.
2
p
q




Иккинчи ва учинчи тартибли моментлардан фойдаланган ҳолда еттита 
инвариант моментлардан ташкил топган қуйидаги тўпламни чиқарамиз [15]: 
2
2
1
20
02
2
20
02
11
2
2
2
2
3
30
12
03
21
4
30
12
21
03
2
2
5
30
12
03
21)
30
12
21
03
2
2
12
03)
21
03
30
12
21
03
6
20
02
30
1
,
(
)
4
(
3
)
(
3
) ,
(
3
)
(
)
(
3
)(
3
) (
)
3(
)
(3
)(
) 3(
)
(
)
,
(
) (
 

















 























































2
2
2
21
03
11
30
12
21
03
2
2
7
12
03
12
30
30
12
21
03
2
2
12
30
21
03
30
12
21
03
)
3(
)
4
(
)(
),
(3
)(
) (
)
3(
)
(3
)(
) 3(
)
(
)
.


 
 



 






 



































Шундай қилиб, биз автомобилларнинг рақам белгилари элементларини 
характерловчи белгиларни аниқлашга мўлжалланган алгоритмларни баён қилдик. 
Шундай қилиб белгилар фазосини шакллантириш операторлари модели 
қурилди. Таклиф қилинган алгоритмларнинг ишлашини баҳолаш учун 
автомобилларнинг рақам белгиларини таниб олиш бўйича тажрибавий 
тадқиқотлар ўтказилди.
Тажрибавий текшириш. Таклиф қилинган алгоритмларнинг ишлашини 
баҳолаш мақсадида функционал схемалар ва тегишли дастурлар ишлаб чиқилди. 
Ушбу алгоритмларнинг дастурий жиҳатдан амалга оширилиши C++ дастурлаш 
тилида амалга оширилди. Ишлаб чиқилган дастурларнинг иш самарадорлиги 
автомобилларнинг видеотасвирлари бўйича рақамли белгиларни таниб олиш 
масаласини ҳал қилишда текширилди. Барча кўриб чиқилаётган тасвирларга 
[3,16] да келтирилган алгоритмлардан фойдаланган ҳолда дастлабки ишлов 
берилди.
Берилган маълумотлар сифатида рақам белгиларининг 400 та тасвиридан 
ташкил топган тўплам берилган. Ҳар бир тавсирда саккизта символ мавжуд. 
Ўзбекистон Республикасидаги автомобилларни давлат рўйхатига олиш 
белгиларида фойдаланиладиган барча символлар 36 та синфга бўлинади, 
уларнинг экземплярлари рақамлар ва лотин алифбосининг ҳарфлари бўлиб 
ҳисобланади. Шунинг учун ҳам мумкин бўлган синфлар (символлар) сони 36 тага 
тенг. Бунда ҳар бир қисм-тўплам 
нинг қуввати камида 30 ни ташкил қилади
Турли синфларга тегишли бўлган символларнинг ажратилиши нуқтаи-
назаридан ажратиб олинган белгиолар сифатини аниқлаш учун радиал 
функцияларга асосланган таниб олиш алгоритмларидан фойдаланилди.

---

67 
Таъкидлаб ўтиш керакки, бу тасвирларни иккита синфга ажратиш 
кесишмавий текширувнинг стандарт услубияти бўйича амалга оширилади: 
танланмани тахминан бир хил ҳажмга ва синфларнинг тенг улушларига эга 
бўлган 10 та блокка тасодифий асосдаги 10 та бўлинишлари ҳосил қилинади ва 
ҳар бир блок навбати билан назорат танланмаси, қолганлари эса – ўқув 
танланмалари бўлади. Таниб олиш аниқлиги ўрача қиймат сифатида 
аниқланади. Ўтказилган тажрибавий тадқиқотлар ишлаб чиқилган белгиларни 
ажратиб 
олиш 
алгоритмларининг 
ушбу 
масалани 
ҳал 
қилишдаги 
самарадорлигини кўрсатди. Тажриба натижасида назорат танланмаси 
объектларини мақбул даражадаги хатолик билан 36 та синфга бўлишга имкон 
берувчи белгилар тўплами шакллантирилди. Ажратиб олинган белгилар бўйича 
автомибилларнинг рақам белгиларини таниб олиш [17] да келтирилган 
алгоритмларни қўллаган ҳолда амалга оширилди.
Ўтказилган тажрибавий тадқиқотлар ишлаб чиқилган белгиларни ажратиб 
олиш моделларининг ушбу масалани ҳал қилишдаги юқори даражадаги 
аниқлигини кўрсатди. Автомобил рақам белгиларини таниб олишда олинган 
натижаларнинг расмлари илова қилинмоқда. 
Хулоса. Автомобилларнинг видеотасвирлари бўйича рақам белгиларини 
таниб олиш тизимларини қуришдаги асосий муаммолардан бири бўлиб рақам 
белгилари тасвирларидан белгиларни ажратиб олиш масаласи ҳисобланади. Рақам 
белгилари тасвирлари белгиларини шакллантириш модели таклиф қилинди. 
Таклиф қилинган модел сканерланган кулранг тасвирларнинг етарли даражадаги 
сифатга эга эмаслиги билан боғлиқ бўлган ва кейинги рақам белгиларининг 
характерли белгиларини ажратиб олиш учун мақбул натижаларни берувчи бир 
қатор масалаларни ҳал қилишга имкон беради. Таклиф қилинаётган рақам 
белгилари тасвирлари белгиларини ажратиб олиш моделидан автомобилларнинг 
видеотасвирлари бўйича рақам белгиларини таниб олиш масаласини ҳал қилишга 
йўналтирилган 
турли 
дастурий 
мажмуаларни 
яратишда 
фойдаланиш 
мумкинлигини таъкидлаб ўтамиз. 
ФОЙДАЛАНИЛГАН АДАБИЁТЛАР 
1. М урыгин К .В. Концепция системы автоматического распознавания 
номерных знаков автомобилей //Искусственный интеллект. – Донецк, 2012. – 
№ 4 (58). – С. 220-226. 
2. Трап езников И. Н. Разработка и анализ системы распознавания 
автомобильных регистрационных знаков: Автореф. дисс. – Минск: ЯГУ им. 
П.Г. Демидова, 2002. – 20 с. 
3. Л укь яница А.А., Ш ишкин А.Г. Цифровая обработка видеоизображений. 
– М.: «Ай-Эс-Эс Пресс», 2009. – 518 с. 
4. Fors yt h D.A., P once J . Computer Vision. A Modern Approach. – New Jersey: 
Prentice-Hall, 2012. – 793 p. 
5. Shapi ro L., Stockm an G. Computer Vision. - New Jersey: Prentice-Hall, 2001. 
– 617 p. 
6. Szeliski R. Computer Vision: Algorithms and Applications. –New York: 
Springer, 2011. – 812 p. 
7. Safaei A., Tang H.L., S anei S. Robust Search-Free Car Number Plate 
Localization Incorporating Hierarchical Saliency //J. of Computer Science & 
Systems Biology. 2016, Vol. 9. No. 3. – P. 093-103. 

---

68 
8. Rajput T.S . Automatic Vehicle Number Plate Recognition Using Morphological 
Edge Detection and Segmentation //Int. J. of Emerging Technology and Advanced 
Engineering. 2015, Vol. 5. – Issue No. 1. – P.500-504.
9. Babu D.M ., M anvit ha K., Narendra M.S., S wathi A., Varma K.P.
Vehicle Tracking Using Number Plate Recognition System // Int. J. of Computer 
Science and Information Technologies. 2015, Vol. 6. No. 2. – P. 1473-1476. 
10. Krant hi S., P ranathi K., S risail a A. Automatic Number Plate Recognition // 
Int. J. of Advancements in Technology. 2011, Vol. 2. – No. 3. – P. 408 – 422. 
11. Rasooli M., Ghofrani S., Fat emizadeh E. Farsi License Plate Detection 
based on Element Analysis and Characters Recognition //Int. J. of Signal 
Processing, Image Processing and Pattern Recognition. 2011, Vol. 4. – No. 1. – P. 
65 – 80. 
12. Трап езников И.Н., Федорин Д.В., Пет ров В.А., Носков А.А.
Исследование устойчивости алгоритмов машинного обучения к шумам в 
задаче распознавания символов // Новые информационные технологии в 
научных исследованиях: материалы XVII Всерос. научно-техн. конф. 
студентов, молодых учёных и специалистов, 2012 г. – С. 224-226.
13. Методы компьютерной обработки изображений /Под ред. В.А. Сойфера. – 2-е 
изд., испр. – М.: Физматлит, 2003. – 784 с. 
14. Д уд а Р., Харт П. Распознавание образов и анализ сцен. – М.: Мир, 1976. – 
512 с. 
15. Гонсал ес Р., В уд с Р. Цифровая обработка изображений. –М.:Техносфера, 
2012.–1104 с. 
16. Mirzaev N.M. About one model of image recognition //Proc. of the 1st Russian-
Pacific Conf. on Computer Technology and Applications, 2010. – Vladivostok. – 
P. 394-398. 
17. Mirzaev N., Sal iev E. Recognition Algorithms Based on Radial Functions 
//Proc. of the 3nd Russian-Pacific Conf. on Computer Technology and 
Applications, 2018. – Vladivostok: FEFU, 2018. – Pp. 1-6. 
Муҳаммад ал-Хоразмий номидаги 11.04.2019й. 
Тошкент ахборот технологиялари қабул қилинган 
университети