Conception et réalisation d'un radar de contrôle routier

Rëpublique Algérienne D'énnct atique

et

populaùre

Ministère

de

l'Enseignement

Sapérii,ewr eû de

La

Recherche

scienffique

Universit,é

_{Mohammed ilieddll;}

_{Ben yahia}

_-

_Jij,el

Facuhté

dtzs

Sciences,et

de,la'.Technotogie

D ép arteme n

t

al' E I e cilro,n iq u e

flûétnoire

["f.,,tétutos

_Wr

fot\tentlon

[u(Dipfue

[e

:îyla"stcr

I

I

en

tâh.ctraui$ts

Optùn: fr:hctrmipu

d^iw

Slutàmes lÛmûarEués

llfrènry,e

:

cuntlùût

rttltfur

Présenté

par:

Mr. AIMOURAbdelheq Mr. BENANE Djaafar Encadré

_nar

: Pr. BOUKABOU Abdelkrim

Promotion

:

.lruin

_!'0 1,8.

Remprc",(pynpnts

lEn

préamfiufe

à

ce

mémoire,

nous

remercions

"nUra5ç qui

nous

a

aiîé

et

[onné,

fa

patfunce

et

fe

courage

[urant

ces

fongues

années

[étu[e.

ttfous soufraitons

a[resser

nos remelcientents

fes

ptus

sirrcères

au4

personnes

qui

_nous

_ont

_apporté

_ilbur

_aille

_et

_{qui ont}

_contrifiue

_à

tékûoration

[e

ce

_{mémoire particu[ii^èrement: fuLr.}

_{HlgytÛUqtassine}

_et

%.r.

_{SA%-,AJtfucfri[.}

Ces remerciements

vont

aussi

atllt

corps

_;professoraf

et

a[ministratf

[e

k

lFacufté

[es

Sciences

et

[e

k

11,'ecfrnofo,gie

[e

f'Université [e

lijef

particufièrement

fe

fepartemmt

['éilbctronù7ue,

_pour

k

ricfresse

_et

fa

quafrté

[e

feur

enseignertent

et qui

[epfoùznt

_{[e gran[s}

_ffirts

_pour

c$surer

à

feurs

étu[i"ants uneformatilnn

actuafrsée.

gVous

_atressons

_un

_gran[

_{remercieînent}

_à

_notre

_enca[reur

_fuh

Eoul(,gBou

_{Afi[ettrinx pour}

_{noas drtoir proposé ce}

_{projet fe}

_fin

[étu[es,

pour

ses

conseifs

et

ses d1:irective:ç

fu

[é6ut

à

k

_{fin [e}

ce

travaif

îr{os

vfs

remercisnents

vont

égnfemmt

duxmmtûres

[u

jury

pour

fintérêt

qu'ifs ont porté

à

notre

pro'jet

en

acceptant

fe4aminer

ce

travai[.

{Enf*,

nous a[ressons

nos

pfus

sincères remercientents

_à

_tous

nos

procfres

et

amis,

qui

nous

ont

tou,iours

gncouragés

_au

cours

[e

k

De

[ca,ce

Je

[é6ie

ce moalbste

_havaif

_à:

fl-

mes

_{parents, aucun}

from,".,mage

ne

pourTait

être

à

k

frauteur

[e

f

amour

[ont

ifs

n,e

cessent

fe

me

com6fer.

_eæ

"ALL,flft

kur

procure

6onne

santé et

fongu.e rtie.

fl

toute

mnfamiffe,

et

mes annis

qui

m'ont

encouragé

et

solttetnu,

14

mon

6inônc

Ajnofor

et toute

[a,famiffe (BET{VwIE.

lEt à tous ceuxqwi

ont

contri.ùué

[e

près ou

[e

foin

pour

(W

ce

projet

soitfaùr,

je

_T)ons

_{ûis merci}

3l-At!

ûrltJl

J-Jl

_'rôft;l

'/

brel-,,Cre.-JI

,tt

_rÉ

_{d,/r:iLù"e.?Jl}

Ç:.ri

Gi*l-,cr0:.-J!

€Al,i

dt'$*JJ

éFT€ëtt:'rFJI

éù;J

&r*,rstç5

JI

d#l C.t*rcr

_Ci"J!

çyf:P-

étif,J.

'l

II.4

Codages des

Couleurs

...13

II.4.1

Image

binaire

_...13

1I.4.2 _{Itoage en niveau de}

gris

...14

II.4.3

Image

couleur

_...14

II.5

Formats

d'image

_...15

II.6

Caractéristiques des

images

_...16

II.6.1

Pixel

...

_...16

II.6.2

Résolution

_...16

II.6.3

Dimension...,.

_...

_t6

II.6.4

Texture

_...17

II.6.5

Bruit...

_...t7

II.6.6

Ltrminance

_...17

II.6.7

Contours et

textures

_...17

II.6.8

Histogftilnme....

_...17

11.6.9

Contaste

_...19

II.7

Traitement

d'image....

_...19

II.8

Principales etapes de traitement

d'images

_...20

II.8.1

Prétraitements

...

_...21

II.8.2

Amélioration

d'image...

_...21

II.8.3

Anatyse

d'image..,,...

_...21

II.9

Reconnaissance optique de caractères

...,,...

_...22

II.10

Denx méthodes reconnaissance optique der caractères principales... ...22

[.10.1

Correspondance

matricielle...

_...23

II.l0.2

Exûaction de

caractéristiques

_...23

II.11

Reconnaissance optique de

chiffies

de plaque

d'immafticulation...

_...24

il.11.1

Conversion e

couleurs.

_...24

lI.ll.2

Binarisation...

_...25

II.1l.3

Recherche de ligne de

base...

_...25

II.11.4

Extraction de

caractéristiques

_...26

[.11.5

Classification

...

_...26

[.11.5.1

k plus proches

voisins

_...27

Lll.5.2

Classification

statique

_...29

II.11.5.3

Classification

adaptative..,,.,...

_...30

II.12

Conclusion

_...30

Chapitre

III

: Base de.Données r$ Réseaux

III.I

Introduction...

_...31

lIl.2.l

_Qu'est-ce qu'une base de données

?...

_...31

llI.2.2

Types de base de

données

_...31

IIl.2.2.l

Bases de données

hiérarctriques...

_...32

III.2.2.2

Bases de données

réseau...

_...32

ILI.2.Z.3 _{Bases de données}

relatiorunelles...

...33

1II.2.2.4 Bases de données

objet...

_...33

III.3

Système de gestion de base de

données

_...34

III.3.I

Définirion.

_...34

IlI.3.2

Principes de

fonctionnement

_...34

III.3.3

_Quelques SGBD connus et

utilisés..

_...35

III.4

SGBD

Relationnel...

_...35

[I.5

Éléments du modèle

relationnel

_...36

III.6

Langage

SQL...

_...39

III.6.I

Définition.

_...39

lII.6.2

Résumé de quelques commandes

l\dySel,

irnportantes...39

III.6.3

Catégories

d'instructions

_...41

III.6.3.1

Définir/créer une

base...,..

_...41

III.6.3.2

Modifier

une

base

_...42

III.6.3.3

Interroger une

base

_...42

III.7

Réseau

infonnatique...

_...43

IIl.7.l

Avantage de réseaux

informatique

_...43

III.7.2

Modèles de

référence...

_...M

III.7.3

TCP...

_...46

III.7.3.|

En-tête

TCP...

_...46

III.7.3.2

Établissement d'une

conne:rion.

_...4g I1I.7.3.3 Timeout et retransmission

...

_...4g I1I.7.3.4 Fenêtre

glissante

_...4g

III.7.3.5

Contrôle de

flux...

_...49

11I.7.3.6 Fermeture de la connexion

...

_...50

III.8

Adressage

(IP)...

_...50

III.8.1

Définition.

_...50

III.8.2

Classes

d'adresse

_...S1

III.8.3

Sous-réseau

_...52

IV.9

Étude du

réseau

_...53

ry.9.1

Répartition des wilayas, des dai'ras et des

connmunes

...53

I\1.9.2

Adressage

_...55

m.l0

Conclusion

_...5g

Chapitre

[V

:

outils

&

Hi.ésultat

Expérimentaux

IV.l

Introduction...

_...59

IV.2

OpenCV...

_...59

IV.2.l

Définition

_...59

I\1.2.2

Fonctionnalités...

_...59

IV.3

Python

[9]...

_...60

IV.4

Interfaces graphiques

utilisateurs...

_...60

IV.5

Radar

routier...

_...61

IV.s.l

Outils et matériels

utilises

_...62

IV.5.2

Lieux

de

test

_...64

fV.5.3

Contraintes et

problèmes...,,,,.

_...65

fV.5.3.1

Contrainte de rayonnemernLt _de

soleil

_...65

IV.5.3.2

Problème de

couleurs

_...66

fV.5.4

Détection des véhicules en

mouveiment

_...67

fV.5.4.1

Soustraction de

fond...

_...67

N.5.4.2

Transformations

morphologiques

_...67

ry.5.5

Détection de plaques

minéralogiques...

_...6g

IV.5.6

Reconnaissance des

caractères

_...69

IV.6

Résultats

expérimentaux

_...69

ry.6.1

Détection de la plaque à partir de

Jl'image

_...69

1V.6.2 Reconnaissance des

chiffies...

_...73

lV.7

Conclusion...

_...74

Inûoduction

Générale...

_...75

Bibliographie...

_...76

Liste

des

figures

Figure

I.l

Figure I.2 Figure I.3 Figure I.4 Figure I.5 Figure

II.1:

Figure

II.2

Figure

II.4

Figure

II.4

Figure II.5 Figure

II.6

Figure

II.7

Figure

II.8

Figure

II.9

Figure

II.l

l

Figure II.12 Figure

II.l3

Try*

II.10

: _{Organigramme du fonctionnement du systènae de reconnaissance optique de}

chiftes

de plaque

d'immatriculation.

,...

_{...:. ...24}

Détection de la plaque et l,exûaction des

caractères.

_...3

LAPI pour le contrôle

d'accès.

_...7

Gestion de

stationnements...

... g Gestion du

trafic.

_...9

Contrôle logistique transport

pesage.

_...

_l0

Représentation d'une image

numérlique.

_{... I}

_I

Image

vectoriel....

_...12

Image

matricielle.

_...13

Image

binaire...

_... 13 Image niveau de

gris.

_...14

Image en

couleurs

_...15

Représentation d'une image avec difference

_résolution

_...16

Histogramme d'une image niveau de

gris...,

_...1g Histogramme d'une image

BGR.

_...

_t9

Exemple de recherche d'une ligne de base àpartir des trois lignes des blobs. ...26

(a) Image binaire typique du chiffir,e

,5'.

(b) Contour de

(a).

...26

: _{(a) Contour du number 2. (b) Approximation polygonale de (a)... ...26}

Bases de données

hiérarchiques....,,...

_...32

Bases de donnees

réseau.

_{....,,...,...32}

Bases de données

relationnelles...

_...33

Bases de données

objet.

_...34

Clé etrangère dans un diagramme rclationnel

...

_...3g Entête TCP

...

_...45

Entête

UDP.

_...45

En-têtes dans le

réseau...

_...46

Schéma du réseau national des radars de contrôle

routier.

...55

Première partie du

réseau...

_...55

Deuxième partie du

réseau...

_...56

Troisième partie du

réseau.

_...56

Quatrième partie du

réseau.

...57 Figure

III.I

Figure

III.2

Figure

III.3

Figure

III.4

Figure

III.5

Figure

III.6

Figure

III.7

Figure

III.8

Figure

III.9

Figure

III.l0

Figure

III.ll

Figure

lll.I2

Figure III.13

Figure

IV.l

: Formulaire de GUI du

radar.

_...61

Figure

lY.2

: Radar de contrôle

routier.

_...61

Figure

IV.3

: Organigramme de

système.

_...62

Figure

IV.4

: Matériels

utilisés...

_...63

Figure

IV.5

: Passerelle de 3

Km.

_...64

Figure

IV.6

: Illustration de la zone de

capture.

_...65

Figure l\t|.7 : Plaque minéralogique affectée par: les rayonrs

solaires.

_...65

Figure

IV.8

: Plaque d'immatriculation entourée: directement _{par la couleur blanche. ...66}

Figure

IV.9

: Plaque placée dans un support

noin:e.

_...66

Figure

IV.l0

: Détection d'objet en mouvement avec la soustraction de fond... ...67

Figure

tv.l I

: Soustraction de fond avec les opré,rations _{morphologiques pour la détection} Figure

rv.l2:

Forme de plaque minéralogique .vue _{par notre}

système.

...69

Figure IV.13 :

a)

Images originale, b) Image en niveau

dergris...

_...70

Figure IV.14 : Image en niveau de gris après le

lissage...,.

...70

Figure tV.15 : Image en niveau de gris après le

lissage...

_...71

Figure

IV.l6

: Image finale du

véhicule

_...71

Figure

nI.l7

: Plaques détectées après transfornnation en

binaire.

_...72

Figure

IV.l8

: Application de I'algorithme de Cmny sur l"image au niveau de gris. ...72

Figure tV.19 : Détection de plaques à I'aide de I'algorithme

Canny.

_...73

Figure fV.20 : Lecture de la plaque en

utilisant'l'esseract.

_...73

Liste

des

tableaux

Tableau II.1 : Tableau

Itr.l:

Tableau ltr.2 Tableau III.3 Tableau

ltr.4

Tableau Itr.5: Tableau

ltr.6

Principales caractéristiqpes des principaux formats

utilisés.

... 15

Schéma de

relation..

_...J7

Tableau montrant que la clé primaire ne peut pas être

réftéÊ.

... 3g Quelques commandes

MySQL.

... 39 Principales caractéristiques des principaux fomrats

utilisés.

...,...4g

Champs de NetlD et de HostlD pour lkrs classes,A, B, et

C...,...,....

...52 Résumé sur les classes

A,B,

et C.

.,...

...-...52

Liste

des

abréviations

m

sb sh

km

IP PC

BD

Knn

FPS SYN

ACK

GTJI UDP TCP

AGL

AVT

BGR

RGB OCR ROC SQL

OQL

LCD

LDD

LCD

LMD

LAPI

SGBD OpenCV metre seuil bas seuil haut

Kilometre

Intemet Protocol Personal Computer Bases de Données k-Nearest Neighbor Fame Per Second Synchronization Acknowledgement Graphicat User Intefface User Datagramme P[otocol Transmission Contrôl Protocol

Application

de Gest{on

LAPI

Asia

Vision

Technofogy Bleu Green Red

Red Green Ble

Optical characters rqcognition

Reconnaissance Optique des Canactéres

Sfuctured _{Query La]nguage} Object Query Langupge

Language de contrôlp de donneer;

Language de

définitibn

de donnr!,es

Language de contrôlb des Transa,ctions Language de Maniprilation des Données

Lecture

Automatisel

de plaques

rl'knmaticulation

Système de Gestion pe Bases de lDonnées

Open source Compufer

Vision

DUCrrOsf

Introductian Générale

Contexte

Le

numéro d'immatriculation

représente

un

rnoyen

efficace

pour identifier

les véhicules- Parce que chaque véhicule a son pr,opre _numtlro.

Souvent,

il

est nécessaire

d'identifier

les plaques

d'immatriculation

des voitures

pour

des raisons

de

sécurité.

Les

informations

e,xtnaites

peuvent

être

utilisées

pour plusieurs intérêts, telles que I'accès et

le

contrôle des ;[]ux,

le

contrôle des frontières, la recherche

de

véhicules susPects,

le

contrôle

_{de la criminalité ou les}

_{dépassements de}

vitesse

sur les

autoroutes,

etc.

C'est

un

mo)/en

d'obtenir

des

inforrnations

corîectes et indéniables auprès de I'auteur de I'infraction.

Dans notre

projet,

nous nous intéressons à

la

reconnaissance et à

I'identification

automatique des plaques d'immatriculation à p:rrtir d'images prises à I'avant des véhicules, puis' nous _{comparons avec une base de données est-ce que la voiture dans son statut légal.}

Problématique

et

objectif

La

waie

problématique pour

identifier

des plaqur:s cf immatriculation réside dans le

fait

de

pouvoir faire

de

la

reconnaissance

optique de

ca:actères

sur

une

petite partie

d'image

extraite

de

séquences enregisffées,

souvent dans

les cils de

grande

vitesse

et

de

faible

luminosité.

De

plus,

le fait

d'avoir très peu

dimager; heute

résolution

par

seconde

sur

la plupart des caméscopes entraîne

un

manque de nettetr5

lors

de

la

prise de ces images.

pour

cel4

il

faut

procéder

_à

un

prétraitement

_de

_ces

_images

_pour

_révéler

_les

_{contours, pour} permettre la reconnaissance visuelle des caractèr,e,s.

Ce que nous visons à travers notre

travail

est de

faciliter

la

tâche,

d'identification

des

caractères

du

matricule en exploitant les

avantages que

peux

offrir

le

traitement d'image. Pour cela, ûous avons développe une application

qui

consiste à réaliser des prétraitements, la détection et

la

lecture automatique des caractèr€:s €t I'a.ffichage des informations du véhicule ilprès les avoir enregistrés dans un fichier

txt

ou >rml.

Introduction Générale

Plan

de

mémoire

Pour cela, nous avons décomposé notre mtirnoire comme suit :

Dans

le

premier

chapitre, nous cofirmenrlerons

par

définir la

lecture

automatique de

plaques

d'imrnatriculation.

_{Ensuite, nous allonr; présenter}

_les

_algorithmes

_qui

_doivent

_être

réalisés

pol[

que

_{le logiciel}

puisse

identifier

urre plaque

_{d'immatriculation et les}

_diflerents systèmes

qu'il

_{existe dans le marché.}

_Enfin,

_{on présenter quelques exemples d'application}

de ce

type de système.

Dans le deuxième chapitre, nous allons abeirder les notions de base sur les images avec une étude sur le traitement d'images _{et les méthodes de reconnaissance optique de caractères.}

Le

troisième

chapitre, nous citerons

un

c,ertain

nombre d'outils utilisés

pour

réaliser notre propre système de détection.

Dans

le

_{quatrième et dernier chapitre nous allons présenter}

_un

_{certain nombre d'outils} que nous avons utilisés pour mettre en æuwe notrc travail

ifnsi

que les résultats obtenus.

itre

I

Chapitre

I

_{Le système}

_I/IPI

I.l

Introduction

Dans

ce chapifie,

nous al présenter

le

systê:mer

de

Lectwe

Automatsee de

plaques

d'Immatriculation

(LAPI).

coest une m(lthode de rsurveillance qui

utilise

la æchnique de la reconnaissance optique de

véhicules.

sur des ilrrages pour

lire

les plaques d'immatriculation de

L2

Définition

Le

système

LAPI

est une d'identilicatiorn qrui

utilise

des techniques de traitement d'images et de

vision

par ordinateur exhair€, le nurméro

d'identification

d'après

I'image

de

la

plaque.

Le

logiciel

intègre reconnaissance en temps

réel,

de types de véhicules passant dans le

nombreusss

innovations

algorithmiques permettant

la conrme de

nuit,

des plaques

d'immatriculation

de tous

Le

système

de

lecture plusieurs étapes :

de

plaques d'Immatriculation

se

décompose en

o

Acquisition d'image via le vidéo de la camera.

o

Détection de la plaque dans

I'

o

Analyse el traitement des

o

Exhaction du numéro de la

o

Comparaison avec

la

base

l'événement.

données drEs véhiicules

et

enregistrement automatique de

la plaquer et I'exûaction des caractères.

3

de visio,n des caméras.

Chapitre

I

_{Le système}

_IAPI

I.3

Fonctionnement

du

systèqe

LAPI

Le

système

LAPI

permet

d'idefrtifrer

et d'ernregistlrer les véhicules se présentant devant les caméras placées aux enfuées eVou softies

d'un

sihe. Une; base de données permet d'enregistrer au préalable

_les

_listes

des plaques

d'i(nmaniculati,on

à

conLtrôler.

Les

infomrations relatives

au conducteur et a son véhicule sont

l'elregistrées

clans urire f,iche ou

I'on

retrouve : nom et prénom

du

propriétaire,

le

numéro d'immaqiculation

drr

véhicull, la

date

et

l.heure de

début

de

fin

d'autorisation

d'accès

sur

la

zone

_$ours

autonisés dams

la

semaine),

les inforrrations

sur

le véhicule.

La

plaque

reconnue

est

ensuite companle

ave,c

la

base

de

données.

Selon

le

stafut doautorisation afifecté

au

véhiculo,

ulr

système

rutomatique de

barrières se déclenche

ou

non. L'ensemble des données récuperées _fors de

la

dr5æction d"une plaque peut

êfe

exporté vers un

auûe sysême d'informations. L'utilfsateur

peul

égalerment effectuer des recherches selon les critères suivant : n"d'immatriculation, date et heutne dc drSbut et

fin

d'autorisation

_[l].

I.4

Algorithmes

du

système

LAPI

Cinq

étapes

doivent

ête

réal,lsées

pour

rque

l{]

logiciel

puisse

identifier une

plaque d'immatriculation :

Localisation de la plaque : responsable de lrouver et d'isoler la plaque sur I'image.

Orientation et dimensionnement de la placlue : compensation de I'orientation de

tavers

de la plaque et ajustement des dirpensions à la.

taille

nâ:essaire.

Normalisation : ajustement de I'intensité ertdu contreste de I'image. Segmentation des caractères : _[ocalisation des camctères sur la plaque. Reconnaissance optique de calactères.

La

complexité de chacune des étapes

du pogranrme

détermine

la

précision

du

système. Pendant

la

troisième phase

(normNlisation), c,e,rtains systèmes

utilisent des

techniques de détection

de

contour

porn

augmente4

le

contrasle entre le,s

letfies

et la

couleur

de fond de

la plaque. Un

filte

numérique peut auss!

êfe

utilisé pour r(idurire le <

bruit

> visuel de I'image.

a o

o o o

Chapitre

I

_{Le svstème}

_LAPI

L5

Diflicultés

du

système

LAPI

Le logiciel doit

être capable de gérer

un

gpnd

nombre de

difficultés

possibles.

parmi

ces

difficultés:

o

Une

mauvaise

résolution de I'image,

souvent parce

que

la

plaque est

trop

loino mais parfois à cause de I'utilisation _{d'une camérade.mauvaise qualité.}

o

Des images floues, souvent

à

cause

du

mouvelnent, très fréquentes sur les installations mobiles.

o

Un

mauvais éclairage et

un faible

contnrste à caurse d'une surexposition, d'un

reflet,

ou d'ombres.

I

Un _{objet obscurcissant une partie de la plaque, sou\rent une barre de remorquage, ou de}

_la

poussière sur la plaque.

r

Une police de caractère

trop

originale, chose fidiqurmte sur les plaques fantaisie (certains pays interdisent de telles plaqueso ce qui élimine le problème)

_I2l.

Si

certains de ces problèmes peuvent

êfie

nlsolus _.par

un

développement

logiciel, la

partie

matérielle

du

système

doit

apporter

la

plupart

rdes

_solutions

_à

_ces

_{difficultés.}

_Augmenter

_la

hauteur de la caméra peut permethe d'éviter cer&uins _{pnrblèmes avec des objets (comme d'autres}

véhicules) obscurcissant

la

plaque,

mais

cela arnène ert augmente

d'autes

problèmes

tels

que I'ajustement rendu nécessaire par la lecture de biais de l.a, plaque.

f.6

Les

différents

systèmes

existants

De

nos

jours,

il

existe

de

nombreux

rsystèmes de

d'immafticulation,

tels que :

I.6.1 AutoVu

Le _{systeme de reconnaissance automatique des} p.kqu,es

d'immatriculation

(RAPD

AutoVu

automatise

la

lecture

et

I'identification

des

plarpes d'imrnafiiculation

afin

que

les

forces

de

I'ordre,

les

sociétés

coîlmerciales

et

les

municipalitésr pruissent

localiser

plus

facilement

les

véhicules

recherchés

et

appliquer

les limites

rile strrlionmement.

Conçu

à la

fois

pow

les

installations

fixes

et

mobiles,

le

système

Auto'v/u est parfaitement

adapté

à

toute une

série d'applications

et

d'entités, notamment

les

forces

de

.l',ordre,

les

municipalités

et les

sociétés commerciales

_[3].

Chapitre

I

Le système

IÀPI

T.6.2

LAPI

ENGIIitr

Le

produit

_LAPI

ENGINE

représente

lra

cærn

technologique permettant

_la

Lecture Automatique de Plaques

d'Immatriculation

(LAI'I

-

A\[PR).

Principalement dédié à la traçabilité

de

véhicules,

LAPI ENGINE

est

un

produit

autonorne pouvant s'adapter

à un

large

éventail d'applications [4].

I.63

SeeTec

Le

module

LAPI

(Lecture Automatisée de Plaques

d'Immatriculation) de

SeeTec est un

module

d'extension

de

SeeTec Cayuga

qui

perrnet

la

reconnaissance automatique de plaques

d'immatriculation

de véhicules

à

I'arrêt

ou

en nrouventent.

Il

peut

lire

des formats de plaques internationaux, _{même en caractères arabes et cyriltliquesi, sur} jusqu'à

_huit

_{voies de circulation par} serveur.

Le

module est

entièrement

configrré

dans

l"intlrface

utilisateur

SeeTec

Cayug4

la reconnaissance

_{des plaques d'immatriculation s'effectue}

_en

_continu

_ou

_{est pilotée}

_pax

_un déclenoheur. Le module

LAPI

de SeeTec peut être utilislé avec chaque

caneralP

prise en charge

par

SeeTec

et

intégrée

au

système.

Même

dans des conclitions

de luminosité

difficiles,

il

est possible, pour une reconnaissance optimale,

d'utiliser

cles caméras

LAPI

speciales (caméras

Ip

ou caméras analogiques via des codeurs _{vidéo) [5].}

I.6.4

Asia

Vision

Technology

Limited (AVT)

C'est le premier fournisseur mondial _{de solurtions rtechnologiques et de solutions de gestion} intelligente des véhicules et des conteneurs.

AVll

a été un pionnier dans

le

développement et la fourniture de la technologie de reconnaissance optiique d,e czractères (OCR)

_t6l.

I.6.5 AGL (Application

de Gestion

LAPI)

Il

est

basé essentiellement

sur

la

technol,ogie

I-AllI,

le

but d'AGL

est de

pennetffe I'automatisation de processus pour les forces de l",ordre, nollamment par

l'acquisition

de données au travers d'électronique

_[7].

Ces données peuvenrl ensuiite _{i]tre interprétées de differentes façons}

allant de la

notification

simple

d'information

(en c:roisarrt ayec des données internes), à une aide

Çlspitgr

_{_}

-

_Lg:y:tèry:f,41!

I.6.6

Système

LAPI-Pryncar

Ce système permet d.'enrrlgistrer les plaques

d'inrmatriculation

_{dans son champ de visionr.}

L'immatriculation

_{du véhicule peut ainsi être lue: et conrparée au}

_fichier

_{des véhicules enregistrér;}

dans le cadre

d'un

contrôle d'accès rlu d'une rechenche de véhicule _{[g l.}

I.7

Application

du

systènre

L,ApI

[.7.1

contrôle

d'accès

Le contrôle d'accès de vélhiculles _{est devenrr prin:r,ordial dans la pro,tection et la sécgrité der;}

rStablissements

_et

_{des zones dirtes}

_<

_sensibles

_r.

_Le

_{corrtrôle d'accès}

_par

_{reconnaissance}

de:

plaques

d'immatriculation

_lperrnLet de

vérifier qu'un

vërhicurle est bien autorisé à pénétrer sur unc) ',zone.

_Le

_contrôle

_d'accès

_par

_{reconnaissance}

_c|:

_{plaquesr d'immatricuJlatiorn,}

contrairement aur

contrôle par badge ou biorniétrique permet d'amérl.iorer jle

_confilrt

_{de I'usager à son arriv(ie sur}

le,

site,

qui

n'a

plus à

se

soucier

de

son identification. Cela permet

également

de flui6ifier

la. circulation des véhicules aux entrées et sorties

d'un

rsite.

FigurerI.2 : LAPI

pour Te r;orflrôlre d'accès.

LAPI-ACCES

est une solution de _{contrôle cl'a;cès par'leofure de plaques minéralogiques et} permet aussi une gestion multi-g:oupes et multi-poslr:s _l'!)].

ChaPitre

I

____

Le système

I-,lpI

I.7,2 Lagestion

du stationnement

La gestion du _{stationnement, que ce soit en zone} publique urbaine ou en zone privée, sur des parkings

par

exemple,

devient

indispensablte

et

liénéfique

pour

améliorer

le

respect et

I'application

des règles

mais

aussi

afin

de

mietx

gerer ret

_{d'optimiser les}

_{emplacements de} stationnement

des véhicules.

LAPI

fournit

ders

so.lutions

de

reconnaissance

de

plaques

d'immatriculation

embarquees, que çe soit pour des co.llec,tivités locales ou des professionnels comme des gestionnaires de parcs auûomobile _[l0r].

Figure

I.3

:

Gestion de stationnements.

La gestion de stationnement utilisée le système

LI\PI

pour :i

r

Améliorer le respect et

l'application

des règles

o

Identification

de

véhicule

çn

infraction

de

stationnement (depassement d'horaire, abonnement parking non mis

àjour,...)

o

Identification de véhicule recherché, abandtonné rou iindésirable,...

I.7.3

Gestion de

trafic

Læs communes et les

villes

ont de plus en plus besoirn

d'optimiser

la gestion et le contrôle

des voies de circulation

afin

:

D'améliorer la

fluidité

de circulation des

vihicules

De lutûer conûe les actes criminels et fiacer les véhicules recherchés

La

gestion

de

hafic

est donc

devenue

une

composante essentielle

pour les

villes

et cornmunes

qui

souhaitent renforcer

la

surveillançe dans les rues

et

sur les

principaux

ar<es de circulation.

o a

Chapitre

I

_{Le système}

_IIIPI

Le

système

LAPI

permet

une

gestionr

de

tafic

par

reconnaissance

de

plaques

d'inrmatriculation,

performantes

et

simples

d'utilisation

pouvant

s'interfacer

dans

un

système

d'infonnations

et peuvent être installés sur des voies arrivant sur des ronds-points ou au niveau des feux de circulation sur les principaux axes de, circulation aux enfiées et sorties de

villes

pour une gestion efEcace.

figure

I.4

:

Gestion du.

hafic.

Le

système

LAPI

propose des fonctionnatités

et

des paramétrages spécifiques

liés

aux traitements et à

I'exploitation

des données recueill.ies

_[lill.

I.7.4

Contrôle logistique

transport

pesage

Aujourd'hui,

qu'il

s'agisse d'une plate-forrne logistiqrre, un parc automobile, une carrière ou

un

site de production, tracer les véhicules

qui vont

et ,yiennent sur

un

site est devenu une composante importante dans

I'amélioration

et l'o,ptimisation de

la

sécurité, de la productivité et des performances des activités des transporteurs

indrx;fiels.

En effet, I'optimisation de

ces activités

prmse

par

la

maîhise des

diftrents

transits effectués

par

les transporteurs

et

ce

à

chaque étiape drr clrcle.

le

système

LAPI

propose des

solutions

de

traçabilité

de

véhicules

par

reconnaisisance

de

plaques d'immatriculation

Chapitre

I

_{Le système}

_I-/IPI

Les

solutions proposées

sont

souples, modulairr"s

r*

ont

été

facilement à d'autres solutions << métier > :

.

Système de pesée

industielle

o

Système de suivi et de gestion logistique

o

Système de contrôle d'accès

conçues

pour

s'intégrer

Figure

I.5

: Conhôle logisrtJique _transport pesage.

I.8

Autres applications

La lecture automatique de plaques minéralogiques peut égalrement être utilisée pour :

o

les passages de frontière _;

r

les stations-service (enregistement quand um clie:nt prart sans payer) _;

e

le

contrôle

d'accès

des

parkings

ou

routes privées: ouverture

automatique,

ou enregistrement

de

I'entrée

(votre

plaque est

irnrprimée

sur les tickets

de

parking

des

aéroports et bien d'auftes parkings;

o

un

outil

de marketing pour effegistrer les nnLodes <le oonsommation ;

o

les

systèmes

de

gestion

de

la

circulatiorr,

qui

callculent

la

vitesse

de

circulation

en mesurant le temps entre les passages devanl;deux points de lecture ;

o

comparer les plaques d'immatriculations auL Fichier des véhicules volés

(FW)

_;

o

comparer les plaques

d'immaticulations

auL Systàne d'information Schengen.

o

les passages de péages autoroutiers (contrôles de paiement et recherches de véhicules)

I.9

Conclusion

Nous avons vu dans ce chapitre la notion de lectu:re aurtomatique de plaques minéralogique

et

ses differents algorithmes

qui

doivent

être réalisés _{frour que}

le logiciel

puisse

identifier

une plaque d'immatriculation et les dif|rcultés qui en ré:sulterr1..

Chapitre

II

_{Troitement d'images}

_&

_OCR

II.l

Introduction

A

piori,

la vision

de I'ordinateur dépend avant

tout

de l'analyse des images prises par

la

carnéra

pour

être ensuite fiaitées

et

prises

de décision.

lLa science

du

taitement

de

I'image a largement contribué au développement de la vision _{par orclinateur et résolu nombre de problèmes}

diffrciles

à résoudre. Ce

qui

rend

la vie

humainre

plus

simple en

tant

que système de freinage automatique dans les

voitures

après que

la voilure

a

étéi

identifiée par

la

caméra

à la

vitesse specifiée dans le feu de circulation ou ce qui est connu OCR.

Dans ce chapitre, nous allons passer en revue quellques concepts de base des images et expliquer le traitement des images, nous allons aussi expliquer I'OCR et les applications les plus importantes.

II.2

fmage

numérique

Une image numérique correspond simplemLent au nombre de

pixels qui la

composent. On peut

I'exprimer

en nombre de

pixels

en largeur ou hauteur, ou en nombre de

pixels

global dans une image. Par exemple, pour

l'image qui

sort

d'un

appareil photo numérique, sa

définition

peut être donnée sous la fomne 3000x2000 pixels ou alors 6 rné6;apixels.

Largear

{rttliee de

mlannt

Hsuteur

_Ix

_pixet

_{ijl

IIijJ

_{= N}

t

Itxlice d* Jignr

WI@IITIffiIIIIII

Niveau de grus

Figure

II.1

: Représentation d'une irr,age numérique.

Une

image num*triqu*

I

Valeur

11

TsIIIIIII

II@ItWtrillnxËffi$l

Clnpitre

II

_{Traitement d'images}

_&

_OCR

II3

Types

d'images

II3.1

Images vectorielles

Le principe _{des images vecûorielles est de représenter les données de I'image à I'aide de} formules mathématiques. Cela pennet alors

d'agandir

I'image indéfiniment sans perte de qualité

et d'obtenir un faible encombrement.

Par exemple pour décrire un cercle dans une irnage

il

suffrt de noter

la

position de son centre et la valeur _{de son rayon plUtôt que l'ensemble des points de son contour. Ce}

_tlpe

_est généralement obtenu à partir d'une image de synthèso creee par logiciel (oremple : Autocad) et non pas à partir d'un objet réel.

4{P +,

F'igure

II.2

: Imagp vectoriel _[13].

Ce type est donc particulièrement adapté,pour le travail de redimensionnement d'images, la cartographie ou _{I'infographie [14].}

n3.2

Images matricielles

Une image

manicielle

est formee d'un tableau de points ou pixels. Plus

la

densité des

points sont élevée, plus le nombre d'inforrrations est grand et plus la résolution de lïmage est

élevée. Corrélativement la place ocçupée en mémoire et

la

durée de traitement seront d'autant plus grandes.

Les

images

vues

sur

un

écran

de

téléviision

ou

une

photographie

sont des

images

maûicielles

_[5].

Chapitre

II

Traitement d'images

&

OCR

Figure

II.3

: Imagp

matricielle

_[16].

II.4

Codages

des

couleurs

D'une

manière

génerale,

une image

apperait comme

une matrice

où

chaque case

qui

contient des nombres associés

à

une couleur. l-lsuellement

on

distingue

trois

grands types de

couleurs pour une image numérique :

o

Le noir et blanc ;

r

Les niveaux de gris ;

o

Lacouleur.

Ces types sont généralement

à choisir lors d'une

numérisation

par

scanner

ou lors

de la confi guration d'un appareil photographique.

II.4.1

Image

binaire

Une image binaire est une matrice rectanp;rulaire dorrt les éléments valent

0

ou

l.

Lorsque I'on visualise une

telle

image, les zéros sont reprrésentris par des

noirs

et les uns par des blancs

Ir7l.

tA

pultl"rrut-E.le,::tronic

Figure

II.4

: Lnage binaire.

Chapine

II

_{Traitement d'images}

_&

_OCR Dans les images binaires,

il

est _{plus facile,de distinguer les caractéristiques sfucturelles.}

Par exempleo dans une image binaire,

il

est facile de distinguer les objets de I'arrière-plan.

ïL4.2

Image en niveau de

gris

Le

niveau de

gris

est

la

valeur de

l'intensité

lurnineuse en un

point.

La

couleur du

pixel

peut

prendre des

valews

allant

du noir

au blanc en

passant

par

un

nombre

fini

de

niveaux intermédiaires.

Donc pour

représenter les

imag:s à

niveiaux de

gris,

nous pouvons

atfibuer

à chaque

pixel

de I'image une valeur correspondant à la rluantité de lumiere renvoyée. Cette valeur peut être comprise par exemple

ente

0 et

255. rChaque p,ixel

n'est

donc plus représenté par un

bit,

mais par un octet. Pour cela,

il

faut que le matériel. utiilisé pour afficher

I'image

soit capable

de produire les

diffrrents

niveaux de gris correspondant.

Figure

II.5

: Imag,e niveau de gris.

Le nombre de niveaux de gris dépend du nombrer de,bits utilisés pour décrire

la

"couleur"

de

chaque

pixel de

I'image. Plus ce nombre r:st

inqrorttan!

plus les

niveaux

possibles sont nombreux.

U.43

Image

couleur (BGR)

Même

s'il

est parfois

utile

de pouvoir

rcprésente;r

des images

en

noir et

blanc,

les applications multimédias

utilisent

le plus souvenl, des irnages en couleurs. La représentation des

couleurs s'effecfue de

la

même manière que les imagesi rnonochromes avec cependant quelques particularités.

En

efifet,

il

faut

tout d'abord choisir

un morlèle de representation. Nous pouvons représenter

les

couleurs

à

l'aide

de

leurs composantes primaires.

Les

systèmes émettant de la

Chapitre

II

Traitement d'images

&

OCR

lumière (écrans doordinateurs,...) sont basés

surle

prinrcipe de

la

synthèse additive: les couleurs sont composées d'un mélange de rouge, vert et b'l.eu (modèle

BGR)

_[18].

Figure

II.6

:

Image en corileurs.

II.5

Formats d'image

Lors de

son enregistrement une image est stockée suivant

un format d'image

précis. Ce

format

doit

permetne

de

stocker l'information

de

I'image avec

un

minimum

de

perte

d'informations.

Il

existe ainsi

diftrents

formats qui

po'uront

favoriser soit la conservation de la qualité soit la diminution de la

taille

du fichier

inlbnnalique

_[19].

Tableau

II.1

: Principales caractéristiques <iles principaux formats utilises.

BMP matriciel non

de2à16millions

non lmage non dégradée; Taille fichier

importante.

JPG

Matriciel

oui 16 millicurs

oui

Taux de compression

réglable;

Perte de qualité.

6tF

Matriciel

oui De 2 à 25i6

couleurs

oul Pas de perte de

qualité;

Usage pour Internet.

TIFF

Matriciel

oul 16 milliorrs non Pas d'usage Internet

PNG

Matriciel

oui

de2à16millions

oul Recommandé pour

Internet

SVG Vectoriel oui 16 millions non Usage cartographie, animations

Chapitre

II

Traitement d'images &. OCR

II.6

Caractéristiques

des

images

Comme

nous I'avons

vuo

f

image est

unL ensemble

sfiucturé

doinformations

parmi

ses

caractéristiques nous pouvons citer les paramètes suivants:

II.6.1

Pixel

Le pixel

est

le plus petlt

élément d'une image. C)haque

pixel

correspond

à

une

valetr

quelconque. Dans une image

à

echelle de

gris

de

8 bits,

la

valeur

du

pixel

entre

0 et

255.

La

valeur d'un

pixel

à

tout

moment correspond

à

I'intensité des photons de lumière frappant

à

ce

point.

Chaque

pixel

stocke une

valeur

proportionnelle

à

I'intensité de

la

lumière à

cet endroit particulier [20].

1I.6.2 Résolution

La résolution est ce qui

lle

la

taille

à la dinnension. Cela correspond à la quantité de pixels

qu'il

y

a

sur une longueur donnée. Cette

valeur

s'exprirne en

ppp (point ou

pixel

par

pouce)

taduit

en Anglais par

dpi

(dot per inch). Plus celte valeur est élevée, plus la densité de pixels est importante et plus

l'image

à du _{détail [21].}

Figure

II.7

: Représentation

d'une,i*age

ariec difiËrence résolution

La résolution pennet ainsi d'établir le rapErrt entre la

définition

en pixels d'une image et la dimension

reelle

de

sa

représentation

sur

un

support prhysique

(affichage

écran, impression

papieu)1221.

II.6.3

l)imension

C'est

la

taille de l'image.

Cette

dernièrer se présrmte sous

fomre de

matrice

dont

les éléments

sont

des

valeurs nunériques

représerrtatives dles intensités lumineuses

(pixels).

Le nombre de lignes de cette matrice

multiplié

par

le

nombre de colonnes nous donne

le

nombre total de pixels dans une image [23].

2O

dpi

_23dpi

_SOdpi

Chapine

II

Traitement d'images

&

OCR

n5.4

Texture

Une texture est une région dans une image

numérique

qui

a

des

caractéristiques homogènes. Ces caractéristiques sont par exemple un

modf

basique

qui

se répète. La texture est composée de Texel, l'équivalent des pixels [241.

II.6.5 Bruit

Un bruit

(parasite) dans

une

image

est

considén!

comme

un

phénomène

de

brusque

variation de I'intensité

d'un

pixel par

rapport

à

ses

voisins,

il

provient de

l'éclairage

des

dispositifs optiques et électroniques du capteur [25].

II.6.6

Luminance

C'est

le

degré de luminosité des points der I'irnage.

Elle

est

définie

aussi comme étant le

quotient

de

I'intensité

tumineuse

d'une

surface

par I'aire

apparente

de

cette surface,

le

mot luminance est substitué au mot brillance, qui conespond à

l'éclatd'un

objet.

Une bonne luminance se caractérise

p.û

:

o

Des images lumineuses (brillantes);

o

Un bon conûaste :

il

faut éviter les images où la gamme de conûaste tend vers le blanc ou le

noir;

ces images entraînent des pertes dre détails dans les zones sombres ou lumineuses.

r

L'absence de parasites l-26].

II.6.7

Contours

et

textures

Les contours représentent

la

frontière entre les objrots de

l'image, ou la

limite

entre deux pixels dont les niveaux de gris représentent une différencer significative. Les textures decrivent

la

stucture

de ceux-ci.

L'exfaction

de

contour consiste

à

identifier

dans

l'image

les

points

qui separent deux textures

différenks

1271.

II.6.8

llistogramme

L'histogramme

d'une

image represente les frâluences relatives d'occurrences de niveaux de gris. On compte chaque niveau de gris, et on expriime le nombre de

fois

qu'il

est présent sous forme de fréquence.

Chapitre

II

Traitement d'images

&

OCR

Dans

le

c:as

d'une

image numérisée, c'estl

une fonction

discrète

h(rr)

:

np

où

rk

est le ;.ième niveau de gris, el. np le nombre de pixets dans

f

image avec ce niveau.

L'histogrirmme

est normalisé en

divisant

chac'une

de

ses valeurs

par

le

nombre

total

de pixels

K:

M*}tr

:

p(rù:

np

l\?

(2.r)

On peut considérer

p(r6)

comme une estirnation de,

la

pr,obabilité

d'avoir

une occurrence du niveau de griLs rp.

Le but

d,e <<

I'histolfam

processing

)

es1.

de

rnoclifier I'histogramme

de I'image

sans

changer sa nahueo

mais en

améliorant des pafl,ies

:

_lpar exemple, augmenter

les noirs

ou

les blancs,

modifier

le contraste, ec;t _[28].

Figure

II.{f

: Histograûrme cl'une image niveau de gris.

Pour les irnages en couleur plusieurs histogrammes sont nércessaires. Par exemple pour une image codée en RGB.

o

un histo€gamme représerrtant la distributio'n de

lil

luminanrce

o

trois histogrammes :repr(isentant respectivement la clistribrrtion des valeurs respectives des

composantes rou.gesi, bleues et vertes.

Chopitre

II

Traitement d'images

&

OCR

X'iguro

II.9

: Histogftlm.me d'une image BGR.

II.6.9

Contraste

Le contraste

est une

no,tion

qui

revierrt

fréquenrment

lorsque

I'on s'intéresse

à

Ia photographie: on

juge

le contraste d'une image, des logiciels _{permettent de le régler et même les} capteurs et les objectifs ont un

riile

à jouer. Ce bililet aborde toutes ces notions.

Le contaste d'une photo est

lié

à la notion de

luninosité,

instinctivement une image parait contrastée lorsqu'elle mêle des zones très lumineuses et des zones

tès

sombres _[29].

Si

Ll

et

L2

sont les degrés de lurninosité respectivemenLt d,e deux zones voisines

A1

et

A2

d'une image, le contraste C est défini par le rapport :

C_

LL_L,2

LL+L.2 (2.2)

II.7

Traitement d'image

Le

traitement d'image est une méthode pour effectuerr certidnes opérations sur une

i-ugr,

afin

d'obtenir

une

image améliorée

ou

d'en exûiaire des iinforrnations

utiles.

C'est

un

type

de

taitement

de signal dans lequel I'entrée est

une

image

et

la

sortie peut être une image

ou

des

caractéristiques

/

caractéristiquers .tssociées à cette image.

l)e

nos

jours,

le traitement de I'image

fait

partie des technologies en croissance rapide.

I[

constiitue également un domaine de recherche essentiel dans les disciplines de I'ingénierie et de I'infornratique.

Chapitre

II

_{Traiternent d'images}

_&

_OCR

La

compréhension

du

haitement d'images conunence

par

la

compréhension de ce qu,est

une image.

Le

mode

et

les

conditions

d'acquiisition

_{et de}

_{numérisation}

_des

_{images traitées} conditionnent largement

les

operations

qu'il

faudra rrgaliser

pour extraire

de

I'information.

En

effeto de _{nombreux paramètres entrent en compte, les principaux étant :}

o

La

résolution d'acquisition

et le

mode

de

codalge

utilisé

lors

de

la

numérisation, qui détenninent le degré cle précision des _{érientuellesrmesures de dimensions.}

o

Les réglages optiques utilisés, (dont ta mise au

point) qui

déterminent par exemple

la

netteté de I'image.

o

Les

conditions

d'éclairage,

qui

déternrinent

une partie

de

la

variabilité

des images traitées.

Quelques exemple de types d'informations

qu'il

est possibrle _{d'obtenir d'une image numérique} :

o

Laluminance moyenne.

o

Le contraste moyen.

o

Lacouleurprédominante.

o

Le taux d'acuité moyen (précis ou

flou).

o

Le taux d'uniformité des couleurs.

r

La presence ou I'absence de certains objetsr _[30].

II.8

Principales

étapes de

traitement

d'images

Il

n'existe

pas

de

méthode

de

fiaitemernt

d'images générale

à

tous

les

domaines d'application possibles.

Il

faut

en général employer des algorithmes specifiques. Ces demiers

sont

souvent

des

combinaisons

de

techniqures

classiques (segmentation,

classification, reconnaissance

de

frontières,

retc.).

De

manièrro schrlm:rtique,

toute

méthode

de

traitement d'images comprend 3 étapes majeures _{: [31]}

.

Prétraitement des images.

.

Amélioration des ûnages.

.

Analyse des images.

Chapitre

II

_{Traitement d'images}

_&

_OCR

II.8.l

Prétraitements

Ils

préparent

I'image pcfur

son

analyse ultérierurer.

Il

s'agit

souvent d'obtenir

I'image théorique que

I'on

await

dû

acquérir en I'absence de tourte dégradation.

Ainsi,

ils

peuvent par exemple corriger :

o

Les

défauts

radiométiques

du

capteur

:

non

linéarité des

détecteurs.

diffiaction

de I'optique, etc.

o

Les défauts geométriques de I'image dus aru mocle dl'échantillonnage spatial, à

I'oblicité

de la direction de viséeo au déplacement de lar cible, eto.

o

Le filtrage ou

réductiorr

de

fréquences prarasites,

pff

exemple

dus à

des

vibratons

du capteur.

o

Les dégradations de I'image dues

à la

pn5sence, _{de matière entre}

_le

_capteur

_{et le milieu}

observé.

II.8.2

Amélioration

d'image

Elle

a pour

but

d'améliorer

la

visualisæion des irnages. Pour cela,

elle élimine

/

réù;ntle

bruit

de

I'image

etlou

met

en (lvidence _{certains éléments (frontières, etc.) de I'image.}

_Elle

_est souvent appliquee sans connaissance à

priori

des élémerrts de I'image. Les principales techniques

sont:

r

L'amélioration de contraste.

o

Le filtrage

linéaire

(lissage, mise

en

éviclence _{des frontières avec I'opérateur "hnage} -Image lissée", etc.) et transformée de Fourrier pour

faire

apparaîhe

/

disparaître certaines fréquences dans I'imags.

o

Filtrage

non linéaire

(filtres

médians, etc.) pourr

étiminer

le bruit

sans

trop

affecter les frontières, etc.

II.8.3

Analyse

d'image

Le but de

I'analyse d'images est d'extraire

et

de

rnesurer certaines caractéristiques de

I'image traitée

en vue de

son interprétation. Ces

caractSristiques

peuvent être des

données statistiques

sur

des comptes ntunériques (moyenne, histogramme,

etc.),

ou sur

des données dérivees

(ex.

dimensions,

ou

orientation d'objetri

présonfii dans

I'image).

En

général,

le

type

d'infonnation

recherché dépend du niveau de conuraissanc$ requis

pour

interpréter I'image. Les

Chapitre

II

_{Traitement d'images}

_&

_OCR

applications

dans

le

domaine

du

guidage

_et

_de

la

_{télédétection nécessitent}

_souvent

_des

connaissances différentes

et

de plus haut niveeu (ex.,

cartes

3-D)

que dans

les

domaines du médical, de

la

géologie, du corrtrôle de qualité, etc. Ainsi., rm robot en déplacement ne nécessite pas

le

même

type d'information

qu'un système

utilist!

prour détecter

la

présence de matériaux défectueux.

Pour ce dernier,

il

faut

p,rendre uniquemerrt

la

dlécision

"non

défectueux

ou

défectueux".

Cette décision

peut

être

prise

à

partir d'un

":raisonrnex0ent"

plus ou moins

complexe

(e.g. détection de

la

présence de rair:s d'absorption caracteriistiques d'une _{impurete). Pour le}

_robot,

_il

faut simuler le processus décisircnnel dl'un indiviclu en clép.lacement, ce qui nécessite au préalable

de _{reconstituer une carte du lieurde déplacement en temps réel, avec les obstacles à}

éviter [32].

II.9

Reconnaissance

optique

de

caractères

([tOC)

:

La

reconnaissance optique de caractères (Optical. chraracter recognition) est

la

conversion élechonique d'images de texte clactylogaphié, mimuscrit o,u imprimé en texte codé par machine,

de

sorte qu'elles

puissent

_être

stockr5es

de

manière plurs compacte,

facilement

recherchées, affichées et éditées _[33].

La

reconnaissance

optique

de

r:aractères est unLe rnéthode

très

utile et

populaire

dans diverses applications,

elle

est largement utilisee

pour

<nnvertir des

liwes

et

des documents en

fichiers

électoniques

pour une utilisation

dans

l'^naûyse

de

documents.

La

reconnaissance optique de caractères permet

dlrppliquer

des techmiques terlles que la traduction automatique, la synthèse vocale et la

fouille

de texte à lapage capturée /

numérisee[34,35].

La précision de La _{reconnaissance optique rle carircttlres peut dépendre des algorithmes de} préhaitement et de segmentationL de I'irnage.

II.10

Deux

méthodes reconnaissance

opfique

de caractènes

principales

Les

approches

de

la

reconnaissance des caractàres

sont

généralement divisées

en

deux méthodes très différentes. Ce sont la correspondance matricielle

(Matrix

matching), dans laquelle I'image mappée d'un caractère correspond directement àl urr ensemble de modèles; et

I'extaction

de

caractéristiques (Feature extr,action'),

où

une structure de niveau supérieur

du

caractère est trouvée et comparée à un standard _[361.

Chapitre

II

_{Traiternent d'images}

_&

_OCR

il.10.I

Contspondance

matricielle

La

correspondance

de

matrice tente

de

r:connarître

les

caractères

en

utilisant le

niveau d'information le plus bas possib,le.

L'idée de base de la méthode d'appariement

matriciel

est de

fixer

urrc cellule de caractères

pour

contenir

un

tableau

de

rn par

n

pixels

carrés. UnL

échantillon

der chaque caractère est présenté

à

la

machine

et

chaqtre

pixel

est numérisé en

utilisant un simple

seuillage en

noir

et blanc. Ces échantillons de _{modêiles contre lesquels tous les caractères inconnus sont testés.}

Lorsqu'un

caractère inconnu est présenté à.la machiine, chaque

pixel

est seuillé en

noir

et

blanc. Les

pixels

correspondartts

sont

ensuite comparés dans chaque modèle.

Le

nombre de

pixels

correspondant à

noir

por:r

noir

ou blanc pour blanc; est compté. Le: caractère inconnu est alors reconnu

corlme

étant celui avec la

valetr

der correispondance la plus éilevée _[36].

n

lA.2 Extraction

de

caractéristiques

L'extraction de caractéristiques est un

terme

général

qui

couwe de nombreuses techniques

diftrentes pour

exftaire

des

informations de niveau

supérieur

sur

un

oaractère, dans

le

but d'obtenir une indépendance de _{police [36].}

L'extaction

_{de caractéristiques est le processus de û'ansformation des données d'entrée en} une représentation réduite.

Il

est communément urtilisé quand

il

y a trop de donnees d'entrée pour

taiter

efficacement

ou

si _{les données d'entrée sont redondantes (beaucoup de données mais pas} beaucoup

d'informations). Cette

simplification

des

donrées

d'entrée

foumit une

description précise d'un

plus

gf,and ensemtrle de _{données. L'ensenrble des caractérisliques dépendantes de} I'application est généralement chroisi par les expert;s du domaine _[37].

Le

système

de

reconnaissance

optique cle

caractères

extrait des

caractéristiques du personnage

et

fait

l'énoncé

du

caractère (Statement

of

the

character)(l'énoncé

du

caractère est considéré comme une représentation réduite de celtui-ci).

L'énoncé du caractère inconnu est comparé aux énoncés pour les caractères standards sur lesquels

le

système a été entraîrré.

Le

caractère est reconnu comme étant

celui

correspondant à l'énoncé qui correspond le mieux à l'énoncé de I'inconnu.

L'extraction

de

caractérisliques

est

la

métlhode Jla

plus

appropriée

pour

reconnaître les plaques

d'immaûiculation

en raison de

son

principal

arrantage:

si

les

caractéristiques sont