[論文レビュー] Degraded Historical Documents Images Binarization Using a Combination of Enhanced Techniques

Omar Boudraa, Walid Khaled Hidouci+1 more|arXiv (Cornell University)|Jan 27, 2019

Handwritten Text Recognition Techniques参考文献 3被引用数 4

ひとこと要約

本稿では、コントラスト強調のためのCLAHE、局所コントラストを意思決定基準として用いたOtsu法、多レベルOtsu法、Nick法の統合によるしきい値処理、およびノイズ除去のための形態的後処理を組み合わせた三段階のハイブリッド二値化フレームワークを、劣化した歴史的文書に対して提案する。この手法は、DIBCOおよびH-DIBCOベンチマークで最先端の性能を達成し、F-measureスコアは87.23%（DIBCO 2013）、92.40%（H-DIBCO 2014）、85.08%（H-DIBCO 2016）を記録し、Otsu法、Sauvola法、Niblack法を上回った。

ABSTRACT

Document image binarization is the initial step and a crucial in many document analysis and recognition scheme. In fact, it is still a relevant research subject and a fundamental challenge due to its importance and influence. This paper provides an original multi-phases system that hybridizes various efficient image thresholding methods in order to get the best binarization output. First, to improve contrast in particularly defective images, the application of CLAHE algorithm is suggested and justified. We then use a cooperative technique to segment image into two separated classes. At the end, a special transformation is applied for the purpose of removing scattered noise and of correcting characters forms. Experimentations demonstrate the precision and the robustness of our framework applied on historical degraded documents images within three benchmarks compared to other noted methods.

研究の動機と目的

• 非一様な照明、ノイズ、ぼやけ、低コントラストを特徴とする劣化歴史的文書画像の二値化という、長年の課題に対処すること。
• ハイブリッドフレームワーク内で複数のしきい値処理手法を組み合わせることで、二値化の正確性を向上させること。
• 前処理（CLAHE）と後処理（連結成分解析および形態的演算）を通じて、画像品質を向上させること。
• 標準化されたベンチマークを用いて、さまざまな劣化タイプに対する手法の頑健性を評価すること。
• 既存のグローバルおよび適応的しきい値処理手法と比較して、優れた性能を示すことを実証すること。

提案手法

• 前処理では、低コントラストな劣化文書画像のコントラスト強調のため、コントラスト制限付き自己適応ヒストグラム均一化（CLAHE）を用いる。
• ハイブリッド二値化では、Otsu法、多レベルOtsu法、Nick法のしきい値処理手法を用い、局所平均コントラストを意思決定基準として、各領域で最適なしきい値を選択する。
• 意思決定基準は、局所コントラストの変動を考慮しつつ、クラス間分散を最大化する3つの手法のうちの1つを選択する。
• 後処理では、連結成分解析および形態的演算（例：オープニングおよびクロージング）を用いて、孤立したノイズを除去し、文字の形状を補正する。
• 3つの異なるしきい値処理アルゴリズムを協調的に統合することで、単一手法の限界に依存しない。
• パラメータチューニングは11のパラメータについて経験的に実施したが、今後の課題として、ファジィ論理やディープラーニングを用いた自動チューニングの検討が提案されている。

実験結果

リサーチクエスチョン

• RQ1 グローバルおよび適応的しきい値処理手法のハイブリッドな組み合わせが、重度に劣化した歴史的文書画像の二値化精度を向上させることができるか？
• RQ2 CLAHEによる前処理が、低コントラスト文書画像における以降のしきい値処理手法の性能を顕著に向上させるか？
• RQ3 Otsu法、Niblack法、Sauvola法、Nick法といった既存手法と比較して、F-measure、DRD、PSNRの観点から、本手法は多様なベンチマークでどのように性能を発揮するか？
• RQ4 連結成分解析および形態的演算を用いた後処理が、ノイズ低減および文字の形状保持にどの程度寄与するか？
• RQ5 複数のしきい値処理戦略を組み合わせたマルチステージフレームワークは、さまざまな劣化状態下でも単一手法アプローチに比べてより高い頑健性を示せるか？

主な発見

• 本手法は、DIBCO 2013ベンチマークで最高のF-measureスコア87.23%を記録し、Otsu法（80.04%）およびSauvola法（85.02%）を上回った。
• H-DIBCO 2014データセットでは、F-measureが92.40%に達し、1位を獲得し、Otsu法（91.63%）およびSauvola法（86.83%）を顕著に上回った。
• H-DIBCO 2016ベンチマークでは、F-measureが85.08%に達し、1位を獲得したが、このケースではOtsu法がわずかに高いF-measureを記録した。
• すべてのデータセットで最小のDRD（リファレンス距離からの距離）値を示し、優れたセグメンテーション精度と最小限の歪みを示した。
• PSNR値は、DIBCO 2013で18.35 dB、H-DIBCO 2014で19.09 dBと、ほとんどの競合手法よりも一貫して高く、画像品質の保持が優れていた。
• 二値化結果の視覚的検証により、本手法が、Niblack法、Otsu法、Nick法と比較して、テキストと背景の間のクリアな分離を実現し、ノイズが少なく、文字の形状保持が良好であることが確認された。