[論文レビュー] Extract an essential skeleton of a character as a graph from a character image

Kazuhisa Fujita|arXiv (Cornell University)|Jun 13, 2015

Brain Tumor Detection and Classification参考文献 13被引用数 5

ひとこと要約

本稿では、成長ニューラルガス（GNG）および相対ネットワークグラフ（RNG）アルゴリズムを用いて、印刷体および手書き文字から本質的なグラフベースのスケルトンを抽出する新しい手法を提案する。文字のスケルトンをトポロジカルなグラフとしてモデル化することで、接合点や端点といった重要な構造的特徴を効果的に捉え、ノイズや歪みがあっても頑健に抽出可能となる。これにより、より信頼性の高い文字認識システムの実現が可能になる。

ABSTRACT

This paper aims to make a graph representing an essential skeleton of a character from an image that includes a machine printed or a handwritten character using growing neural gas (GNG) method and relative network graph (RNG) algorithm. The visual system in our brain can recognize printed characters and handwritten characters easily, robustly, and precisely. How does our brain robustly recognize characters? The visual processing in our brain uses the essential features of an object, such as crosses and corners. These features will be helpful for character recognition by a computer. However, extraction of the features is difficult. If the skeleton of a character is represented as a graph, we can more easily extract the features. To extract the skeleton of a character as a graph from an image, this paper proposes the new approach using GNG and RNG algorithm. I achieved to extract skeleton graphs from images including distorted, noisy, and handwritten characters.

研究の動機と目的

• 文字の本質的構造的特徴（角や交差点など）をモデル化し、コンピュータベースの文字認識を改善すること。
• 特に手書きまたは機械印刷体の形で、ノイズや歪みのある文字画像から顕著な特徴を抽出する課題に対処すること。
• 文字スケルトンをトポロジカルなグラフとして表現することで、特徴抽出を簡素化し、認識の頑健性を向上させること。
• 画像の劣化（ノイズや歪みなど）に対しても耐性を持ちながら、重要な形状トポロジーを保持する手法を開発すること。
• 人間の視覚的認識における本質的形状特徴の把握を模倣することで、生物学的視覚処理と計算ベースの文字認識のギャップを埋めること。

提案手法

• 画像の前処理を実施し、文字のコントラストを向上させ、対象のグリフを分離する。
• 成長ニューラルガス（GNG）アルゴリズムを適用し、入力ピクセルに近接するノードとエッジのネットワークを反復的に生成することで、文字の中央軸を近似する。
• GNGは、入力ピクセルへの近接度に基づいてノードを追加・調整することで、動的グラフ構造を構築し、トポロジカルに正確なスケルトン表現を形成する。
• その後、相対ネットワークグラフ（RNG）アルゴリズムを用いてGNGの出力を精緻化し、余分なエッジを除去するとともに、トポロジーの整合性を保証する。
• 最終的なグラフ表現は、接合点、端点、分岐構造といった重要な特徴を保持しており、構造的解析が可能になる。
• 得られたグラフは、最小限でありながら本質的なスケルトンであり、文字の核心的なトポロジーを捉えている。

実験結果

リサーチクエスチョン

• RQ1 ノイズや歪みのある画像から、文字の本質的構造的特徴をどのように頑健に抽出できるか？
• RQ2 文字スケルトンのグラフベース表現は、特徴抽出の認識タスクにおいて効果を発揮するか？
• RQ3 GNGとRNGの組み合わせは、手書きおよび印刷体文字におけるスケルトン化の正確性と頑健性をどの程度向上させるか？
• RQ4 画像劣化下でも、接合点や端点といったトポロジカル特徴をどの程度正確に保持できるか？
• RQ5 グラフ表現は、人間の視覚的認識における文字構造の把握を効果的に模倣できるか？

主な発見

• 提案手法は、顕著なノイズや歪みがあっても、印刷体および手書き文字の両方からグラフベースのスケルトンを成功裏に抽出した。
• GNGとRNGの統合により、トポロジカルに正確で最小限のスケルトン表現が得られ、接合点や端点といった重要な構造的特徴が保持された。
• 本手法は画像劣化に対して頑健であり、さまざまな入力条件下でも構造的整合性を維持した。
• 得られたグラフ表現は、認識に不可欠なクロスや角といった本質的特徴を効果的に捉えており、人間に似た文字認識に寄与する。
• 特に困難な画像条件下でも、従来のスケルトン化手法に比べてより信頼性の高い特徴抽出が可能になった。
• 本手法は、シンプルさと構造的忠実度のバランスを図っており、後続の認識システムに適している。