Segmentation of license plates through clustering techniques in external environments

Este artículo presenta el uso de técnicas de clustering para segmentar matrículas mediante un método aplicable a sistemas ANPR (Reconocimiento Automático de Matrículas). Para lograr este objetivo, se realizaron diferentes pruebas con clusters, comparando su rendimiento y efectividad. Este método utiliza técnicas de clustering para eliminar automáticamente los puntos espurios generados por las técnicas de correlación. Para realizar la segmentación de matrículas, el método recibe como entrada una nube de puntos correspondiente, lo que resulta en una coincidencia entre los descriptores de imagen de entrada SIFT (Transformaciones de Características Invariantes a Escala) y los descriptores de imagen de referencia SIFT que contienen los posibles caracteres de una matrícula. Mediante técnicas de clustering, se obtiene el cluster compuesto por los puntos ubicados en la zona de la matrícula y su centroide asociado. Posteriormente, se utiliza la técnica de crecimiento de regiones para segmentar el área mínima que encapsula el centroide que constituye la matrícula de la imagen considerada. En conclusión, presentamos un proceso de clustering que forma parte de un enfoque híbrido que combina técnicas de visión e inteligencia computacional para segmentar matrículas en entornos externos.