[論文レビュー] Kannada Character Recognition System A Review

K. Indira, S. Sethu Selvi|arXiv (Cornell University)|Jan 29, 2010

Handwritten Text Recognition Techniques参考文献 11被引用数 15

ひとこと要約

この論文は、プリントドゥ・カナダ文字認識（KCR）システムのレビューであり、前処理、特徴抽出、分類手法に焦点を当てている。分類器レベルの統合を提案することで認識精度を向上させ、部分空間特徴を用いたRBFネットワークで最大99.1％の精度を達成した。また、この script における複雑な結合字や母音修飾記号の処理における課題も強調した。

ABSTRACT

Intensive research has been done on optical character recognition ocr and a large number of articles have been published on this topic during the last few decades. Many commercial OCR systems are now available in the market, but most of these systems work for Roman, Chinese, Japanese and Arabic characters. There are no sufficient number of works on Indian language character recognition especially Kannada script among 12 major scripts in India. This paper presents a review of existing work on printed Kannada script and their results. The characteristics of Kannada script and Kannada Character Recognition System kcr are discussed in detail. Finally fusion at the classifier level is proposed to increase the recognition accuracy.

研究の動機と目的

• この script の複雑さを考慮して、既存のプリントドゥ・カナダ文字認識（KCR）手法の分析を目的とする。
• KCRにおける課題、特にずれ検出、結合字の分離、母音修飾記号の配置に関する課題を特定すること。
• 個々の分類器の性能を超える認識精度の向上を図るため、分類器レベルの統合を提案すること。
• カナダ文字データセットに対して、さまざまな特徴抽出手法と分類器の評価を行うこと。

提案手法

• ドキュメントのアラインメントに、水平／垂直投影プロファイルおよびホフ変換を用いて二値化とずれ補正を実施する。
• 水平および垂直投影プロファイル（HPP/VPP）を用いてテキストラインを検出し、特に下付き文字を含む語における文字分離を実施する。
• 複数の特徴抽出手法を用いる：DCT、DWT、ゼルニケモーメント、ヒューズ不変モーメント、およびラジアルトラックに基づく構造的特徴。
• 最近傍法、ベイズ法、ニューラルネットワーク分類器（RBF、BPN）を用いて分類を実施し、分類器レベルでの統合により精度を向上させる。
• 部分空間射影による特徴次元の削減を実装し、等しいONピクセル分布に適合した構造的特徴を用いる。
• さまざまな特徴・分類器の組み合わせにおける認識率と処理時間を用いて、性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 カナダ script のドキュメントにおけるずれ検出に、投影プロファイルとホフ変換はどの程度有効であるか？
• RQ2 結合字やマトラを含むカナダ文字の認識精度を最も高める特徴抽出手法は何か？
• RQ3 分類器レベルの統合は、個々の分類器の性能を超えて認識精度を向上させることができるか？
• RQ4 さまざまな特徴セットに対して、RBF、BPN、SVMなどの異なる分類器は、カナダ文字認識においてどの程度の性能を示すか？
• RQ5 構造的特徴とモーメントベースの記述子は、複雑なカナダ script における認識性能にどのような影響を与えるか？

主な発見

• 分類器レベルの統合により認識精度が顕著に向上し、部分空間特徴を用いたRBFネットワークでは、基本文字に対して99.1％の精度を達成した。
• 8×8および10×10ブロックサイズのDCTおよびDWT特徴は、それぞれ98.7％および98.55％の認識率を示し、基本文字に対して高い精度を達成した。
• 構造的特徴を用いたRBFネットワークでは、基本文字に対して97.5％の精度を達成し、1200個の隠れニューロンを用いることで99.1％の精度を達成した。
• ゼルニケモーメントとヒューズモーメントは中程度の性能（82–91.8％）を示し、複雑なカナダ文字の形状には限界があることが示された。
• 子音結合字では、ハール特徴を用いたRBFで最大96.8％の認識率を達成し、他の手法を上回った。
• 提案された統合手法により、誤り率が低下し、形状のばらつきが大きい複合文字や母音修飾付き子音に対して特に効果的であった。