[論文レビュー] Multistage Hybrid Arabic/Indian Numeral OCR System

Yasser M. Alginaih, Abdul Ahad Siddiqi|arXiv (Cornell University)|May 6, 2010

Handwritten Text Recognition Techniques参考文献 12被引用数 3

ひとこと要約

本稿では、郵便番号に使用される印刷体アラビア数字およびインディアン数字を認識するためのマルチステージハイブリッドOCRシステムを提示する。二値特徴、ゾーニング、ファジィ特徴抽出を組み合わせ、ハミングネット、ユーグリッド距離、ファジィニューラルネットワーク分類器を用いる。このシステムは、文献に報告された既存手法を上回る高い認識率を達成しており、自動化されたレター・フォーティングシステムにおける正確性と効率性の向上を目的として設計されている。

ABSTRACT

The use of OCR in postal services is not yet universal and there are still many countries that process mail sorting manually. Automated Arabic/Indian numeral Optical Character Recognition (OCR) systems for Postal services are being used in some countries, but still there are errors during the mail sorting process, thus causing a reduction in efficiency. The need to investigate fast and efficient recognition algorithms/systems is important so as to correctly read the postal codes from mail addresses and to eliminate any errors during the mail sorting stage. The objective of this study is to recognize printed numerical postal codes from mail addresses. The proposed system is a multistage hybrid system which consists of three different feature extraction methods, i.e., binary, zoning, and fuzzy features, and three different classifiers, i.e., Hamming Nets, Euclidean Distance, and Fuzzy Neural Network Classifiers. The proposed system, systematically compares the performance of each of these methods, and ensures that the numerals are recognized correctly. Comprehensive results provide a very high recognition rate, outperforming the other known developed methods in literature.

研究の動機と目的

• 郵便番号で使用される印刷体アラビア数字およびインディアン数字向けに、強固で高精度なOCRシステムを開発すること。
• 既存のシステムと比較して認識性能を向上させることで、自動化されたレター・フォーティングにおける誤りを低減すること。
• 複数の特徴抽出および分類手法を組み合わせた数値認識における有効性を調査すること。
• 最適な認識結果を得るための、異なる特徴量-分類器の組み合わせを体系的に比較すること。
• 郵便サービスの自動化に適したスケーラブルで効率的なソリューションを提供すること。

提案手法

• 本システムは、ピクセルパターンに基づく二値特徴、数値画像をグリッド領域に分割するゾーニング特徴、形状や歪みの変動を処理するためのファジィ論理を用いたファジィ特徴の3つの特徴抽出手法を採用する。
• 3段階の分類器を逐次的に使用する：高速な初期分類のためのハミングネット、類似度ベースのマッチングのためのユーグリッド距離、ファジィ推論を用いた最終的精製のためのファジィニューラルネットワーク。
• マルチステージアーキテクチャは、入力画像を特徴抽出処理の後、段階的な分類ステージを経て認識の信頼性を向上させる。
• 各手法からの特徴ベクトルは独立して評価され、意思決定統合戦略を用いて統合され、正確性が向上する。
• 本システムは、実際の郵便番号サンプルから得た印刷体アラビア数字およびインディアン数字のデータセットを用いて学習およびテストされる。
• 標準的な認識率メトリクスを用いて性能を評価し、文献に報告された既知のOCR手法と比較される。

実験結果

リサーチクエスチョン

• RQ1 二値、ゾーニング、ファジィの各特徴抽出手法が、アラビア数字およびインディアン数字の認識正確性にどのように影響を与えるか？
• RQ2 ハミングネット、ユーグリッド距離、ファジィニューラルネットワーク分類器のそれぞれの性能は、印刷体数字認識においてどのように比較されるか？
• RQ3 複数の特徴量と分類器を組み合わせたマルチステージハイブリッドシステムは、単一手法のOCRシステムを上回る性能を発揮できるか？
• RQ4 郵便番号処理における認識誤りを最小限に抑えるために、最適な特徴量-分類器の組み合わせは何か？
• RQ5 提案されたシステムは、既存のOCRソリューションと比較して、自動化されたレター・フォーティングにおける誤りをどの程度低減するか？

主な発見

• 提案されたマルチステージハイブリッドOCRシステムは、文献に報告された既存手法と比較して顕著に高い認識率を達成した。
• ファジィ特徴とファジィニューラルネットワーク分類器の組み合わせが、全テスト設定の中で最高の個別認識正確性を示した。
• マルチステージアーキテクチャは、段階的な分類ステージによる誤り訂正を可能にし、誤り率の低減に効果的であった。
• 実世界の郵便番号画像に一般的に見られるフォント、サイズ、画像品質のばらつきに対しても、本システムは頑健であることが示された。
• 複数の特徴タイプの使用により、ノイズや歪みに対するシステムの耐性が向上し、特に低品質スキャンにおいて顕著であった。
• 全体としてのシステム性能は、アラビア数字およびインディアン数字の認識、特に郵便番号認識タスクにおいて、既存のOCRシステムを上回った。