[論文レビュー] Categorizing ancient documents

Nizar Zaghden, Rémy Mullot+1 more|arXiv (Cornell University)|Aug 28, 2013

Handwritten Text Recognition Techniques参考文献 13被引用数 6

ひとこと要約

本稿では、自己教師型マップ（SOM）ツールボックス、フラクタル次元、局所的ポイント特徴を用いた画像解析技術を活用して、古代文書の分類手法を提案する。テキスト領域をセグメンテーションし、画像間で一致させる手法により、マルチスケール特徴解析と非教師あり学習を組み合わせて分類精度を向上させる。

ABSTRACT

The analysis of historical documents is still a topical issue given the importance of information that can be extracted and also the importance given by the institutions to preserve their heritage. The main idea in order to characterize the content of the images of ancient documents after attempting to clean the image is segmented blocks texts from the same image and tries to find similar blocks in either the same image or the entire image database. Most approaches of offline handwriting recognition proceed by segmenting words into smaller pieces (usually characters) which are recognized separately. Recognition of a word then requires the recognition of all characters (OCR) that compose it. Our work focuses mainly on the characterization of classes in images of old documents. We use Som toolbox for finding classes in documents. We applied also fractal dimensions and points of interest to categorize and match ancient documents.

研究の動機と目的

• 文化的遺産の保存を目的として、大規模な歴史的文書コレクションの整理と分類の課題を解決すること。
• 従来のOCRにとどまらない視覚的特徴を活用して、文書分類の正確性を向上させること。
• 視覚的パターンと構造的特徴に基づいて、類似した文書画像をグループ化する非教師ありアプローチを開発すること。
• フラクタル次元とキーポイント検出の有効性が、文書クラスの区別にどのように寄与するかを検討すること。
• 手動によるアノテーションに依存しないように、画像ベースの分析による分類の自動化を実現すること。

提案手法

• 視覚的特徴に基づいて古代文書の画像パッチをクラスタリングおよび分類するために、自己教師型マップ（SOM）ツールボックスを活用する。
• 文書領域内のテクスチャの複雑さや構造的パターンを定量化するために、フラクタル次元分析を適用する。
• テキスト領域から特徴的な視覚的記述子を抽出するために、局所的ポイント（例：SIFT または類似特徴）を特定する。
• スキャンされた文書画像からテキスト領域をセグメンテーションして、個別のブロックを分析対象として分離する。
• 特徴ベクトルを用いて、同じ画像内およびデータベース全体におけるブロック間の類似性を比較する。
• SOMクラスタリング、フラクタル次元、キーポイント記述子といった複数の特徴を統合することで、分類のロバスト性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 フラクタル次元と局所的特徴点は、古代手書き文書のクラスを効果的に区別できるか？
• RQ2 ラベルなしデータのもとで、SOMに基づくクラスタリング手法は視覚的に類似した文書ブロックをどれほどうまくグループ化できるか？
• RQ3 単一特徴アプローチと比較して、複数の視覚的特徴を統合することで、文書分類の性能はどの程度向上するか？
• RQ4 文書内および文書間のブロックマッチングは、歴史的文書コレクションにおける分類精度を向上させられるか？
• RQ5 多様な歴史的書体および劣化した画像品質に適用した場合、これらの手法のスケーラビリティはどの程度か？

主な発見

• SOMクラスタリングとフラクタル次元、および特徴点特徴を組み合わせることで、文書分類の正確性が顕著に向上した。
• フラクタル次元は、劣化した歴史的文書におけるテクスチャのばらつきを効果的に捉え、文書タイプの区別に寄与した。
• 局所的ポイント特徴により、画像の劣化があっても、異なる文書間で類似したテキストブロックを堅牢にマッチングできるようになった。
• SOMに基づくクラスタリングは、手動ラベルなしでも視覚的に類似した文書領域を効果的にグループ化できた。
• 複数の特徴を統合することで、文書クラスの識別性能が向上した。
• 本手法は、文字レベルのOCRに依存するのを減らし、分類の目的として構造的およびテクスチャ的パターンに焦点を当てた。