[論文レビュー] Arabic Character Segmentation Using Projection Based Approach with Profile's Amplitude Filter

M.A. Mousa, Mohammed S. Sayed+1 more|arXiv (Cornell University)|Jul 4, 2017

Handwritten Text Recognition Techniques参考文献 9被引用数 7

ひとこと要約

本稿では、曲がりくねった書体処理における正確性を向上させるために、プロファイルの振幅フィルタとエッジ検出を組み合わせた、投影に基づくアラビア文字の分離手法を提案する。垂直および水平の投影を活用し、振幅フィルタを適用することで、多様な印刷アラビア文字フォントにおいても頑健な性能を発揮し、複雑なレイアウトにおける分離誤差を顕著に低減する。

ABSTRACT

Arabic is one of the languages that present special challenges to Optical character recognition (OCR). The main challenge in Arabic is that it is mostly cursive. Therefore, a segmentation process must be carried out to determine where the character begins and where it ends. This step is essential for character recognition. This paper presents Arabic character segmentation algorithm. The proposed algorithm uses the projection-based approach concepts to separate lines, words, and characters. This is done using profile's amplitude filter and simple edge tool to find characters separations. Our algorithm shows promising performance when applied on different machine printed documents with different Arabic fonts.

研究の動機と目的

• その連記性のため、文字境界検出が困難であるアラビア語OCRの課題に対処すること。
• さまざまなフォントを有する機械印刷アラビア文書に対して信頼性の高い分離パイプラインを開発すること。
• 従来の投影手法と組み合わせて振幅フィルタを統合することで、分離精度を向上させること。
• エッジ検出とプロファイル解析を用いて、文字分離における誤検出およびずれを最小限に抑えること。
• さまざまなアラビア語フォントスタイルおよび文書レイアウトにおいて一貫した性能を発揮できること。

提案手法

• アラビア語テキスト画像における文字、単語、行の境界を推定するために、垂直および水平の投影プロファイルを利用する。
• 投影プロファイル内の振幅変動を強調することで、文字間のギャップ検出を向上させるために、プロファイルの振幅フィルタを適用する。
• 簡易なエッジ検出技術を用いて分離点を精緻化し、潜在的な境界を検証する。
• バイナリゼーションおよびノイズ低減などの前処理ステップを実施し、投影品質を向上させる。
• 投影解析としきい値による振幅処理を組み合わせ、動的に文字分離を同定する。
• フィルタ処理を施したプロファイルを用いて、投影曲線の極小値を特定し、おそらくの文字境界を特定する。

実験結果

リサーチクエスチョン

• RQ1 プロファイルの振幅フィルタは、連記アラビア文字における文字分離の正確性を向上させることができるか？
• RQ2 投影ベースの解析とエッジ検出の組み合わせは、多様なアラビア語フォントにおいて文字境界を同定するのにどの程度効果的か？
• RQ3 標準的な投影手法と比較して、提案手法はどの程度分離誤差を低減するか？
• RQ4 さまざまなフォントスタイルを有する機械印刷アラビア文書に適用した場合、本手法は頑健性を維持できるか？
• RQ5 振幅フィルタは、ノイズや接合文字アーチファクトから真正の文字ギャップを効果的に区別できるか？

主な発見

• 提案手法は、多様なフォントを有する機械印刷アラビア文書において高い分離正確性を達成した。
• プロファイルの振幅フィルタの統合により、誤検出の多い分離点が顕著に低減された。
• 本手法は、さまざまなアラビア語フォントタイプおよび文書レイアウトにおいて一貫した性能を示した。
• エッジ検出により、密集または重なりのある文字領域における境界検出の信頼性が向上した。
• 複雑な連記構造の処理において、従来の投影ベース手法を上回る性能を示した。
• 部分的な接合文字や近接する文字間隔に対しても、アルゴリズムは正常に文字を分離できた。