[論文レビュー] An Efficient Hidden Markov Model for Offline Handwritten Numeral Recognition

B. Saritha, S Hemanth|arXiv (Cornell University)|Jan 29, 2010

Handwritten Text Recognition Techniques参考文献 29被引用数 4

ひとこと要約

本論文では、細い文字画像から抽出した構造的特徴を用いて、オフライン手書き数字認識のための効率的な隠れマルコフモデル（HMM）を提案する。各数字を正規化されたスケルトン化された64×64画像に基づいて訓練された離散的HMMでモデル化することで、NISTデータセット上で84.5%の認識精度を達成した。性能は数字によって異なるが、'4'が最も誤認識されやすく、'0'が最も正確に認識された。

ABSTRACT

Traditionally, the performance of ocr algorithms and systems is based on the recognition of isolated characters. When a system classifies an individual character, its output is typically a character label or a reject marker that corresponds to an unrecognized character. By comparing output labels with the correct labels, the number of correct recognition, substitution errors misrecognized characters, and rejects unrecognized characters are determined. Nowadays, although recognition of printed isolated characters is performed with high accuracy, recognition of handwritten characters still remains an open problem in the research arena. The ability to identify machine printed characters in an automated or a semi automated manner has obvious applications in numerous fields. Since creating an algorithm with a one hundred percent correct recognition rate is quite probably impossible in our world of noise and different font styles, it is important to design character recognition algorithms with these failures in mind so that when mistakes are inevitably made, they will at least be understandable and predictable to the person working with the

研究の動機と目的

• 構造的特徴とHMMモデリングを活用することで、オフライン手書き数字の認識精度を向上させること。
• スキャン画像におけるノイズや筆圧のばらつきに起因する筆跡の多様性に対処すること。
• 細い処理と接合点、端点などのトポロジカル特徴を用いた、堅牢な特徴抽出パイプラインの構築。
• 最小限の状態数で済むHMMが、孤立した手書き数字をどの程度うまくモデル化できるかを評価すること。

提案手法

• 前処理として、ノイズ低減、ストローク幅の正規化、画像の細い処理（スケルトン化）を実施し、1ピクセル幅の骨格を生成する。
• 特徴抽出は、端点、接合点、ループ、ストロークの方向性といった構造的特徴に焦点を当てる。
• 各数字は、状態遷移確率、観測確率、初期状態分布を持つ離散的HMMとしてモデル化される。
• 事前にセグメンテーションされたデータを必要とせず、標準的な Baum-Welch 再推定法を用いてHMMを訓練する。
• 観測空間は、細い画像から得られた量子化された特徴によって定義される。
• 認識は、各HMMにおける尤度を計算し、尤度が最大となるモデルを選択することで実行する。

実験結果

リサーチクエスチョン

• RQ1 構造的特徴と組み合わせたHMMベースのモデリングは、孤立した手書き数字認識においてどの程度有効か？
• RQ2 細い処理とスケルトン化は、特徴の一貫性と認識精度にどのような影響を与えるか？
• RQ3 どの数字が最も認識しにくく、その誤認識の原因となる構造的特徴は何か？
• RQ4 最小限の状態数のHMMは、多様な手書き数字データセットにおいて高い認識精度を達成できるか？

主な発見

• 提案されたHMMベースのシステムは、1数字あたり40サンプルのデータセット上で全体で84.5%の認識精度を達成した。
• '0'は最も正確に認識された数字であり、'4'は最も誤認識されやすいことから、その形状に構造的曖昧性があると示唆された。
• 細い処理はノイズを低減し、トポロジカル構造を保持することで、特徴の一貫性を著しく向上させた。
• 接合点や端点といった構造的特徴は、スタイルのばらつきがあっても数字の形状を区別するのに有効である。
• 明確で特徴的なトポロジカル構造を持つ数字ではモデルの性能が高く、曖昧または類似した構成を持つ数字では困難を示した。
• 今後の改善策として、スケルトン内の不審な分岐のヒューリスティックな除去や、ニューラルネットワークとの統合による性能向上が期待できる。