[論文レビュー] Segmentation of Camera Captured Business Card Images for Mobile Devices

Ayatullah Faruk Mollah, Subhadip Basu+1 more|arXiv (Cornell University)|Jan 3, 2011

Vehicle License Plate Recognition参考文献 13被引用数 13

ひとこと要約

本稿では、スマートフォンのカメラで撮影されたビジネスカード画像に対して、歪み補正の後に水平および垂直ヒストグラムに基づく線分離と文字分離を用いる、効率的な文字分離手法を提示する。300万画素の画像において、中程度の性能を持つノートブック上で1.1秒以内に97.48%の平均分離精度を達成しており、リソース制限のあるモバイルデバイスに適している。

ABSTRACT

Due to huge deformation in the camera captured images, variety in nature of the business cards and the computational constraints of the mobile devices, design of an efficient Business Card Reader (BCR) is challenging to the researchers. Extraction of text regions and segmenting them into characters is one of such challenges. In this paper, we have presented an efficient character segmentation technique for business card images captured by a cell-phone camera, designed in our present work towards developing an efficient BCR. At first, text regions are extracted from the card images and then the skewed ones are corrected using a computationally efficient skew correction technique. At last, these skew corrected text regions are segmented into lines and characters based on horizontal and vertical histogram. Experiments show that the present technique is efficient and applicable for mobile devices, and the mean segmentation accuracy of 97.48% is achieved with 3 mega-pixel (500-600 dpi) images. It takes only 1.1 seconds for segmentation including all the preprocessing steps on a moderately powerful notebook (DualCore T2370, 1.73 GHz, 1GB RAM, 1MB L2 Cache).

研究の動機と目的

• モバイルデバイス上で、カメラで撮影された歪みが著しいビジネスカード画像のテキスト領域を分離する課題に対処すること。
• 歪み、ノイズ、多様なビジネスカードのレイアウトに対応できる、計算量が少ない手法を開発すること。
• モバイルプラットフォームの厳しい計算制約下でも、正確な文字分離を可能にすること。
• 低性能ハードウェアでもリアルタイム性能を維持しながら、高い分離精度を達成すること。

提案手法

• カメラで撮影されたビジネスカード画像から、前処理技術を用いてまずテキスト領域を抽出する。
• 幾何的歪みを補正する、計算量が少ない歪み補正手法を適用する。
• 水平および垂直投影ヒストグラムを用いて、補正済みのテキスト領域を線および個々の文字に分離する。
• 強度の変動と空間的分布のパターンを活用して、行の区切りと文字の境界を特定する。
• すべての前処理および分離ステップを、モバイルデバイスへの展開に適した低計算オーバーヘッドを考慮して最適化する。
• 本手法は、実際のモバイル撮影品質を反映するため、500–600 dpi解像度の300万画素画像を対象として評価されている。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンのカメラで撮影された歪みが著しいビジネスカード画像から、どのようにして信頼性の高いテキスト領域を抽出できるか？
• RQ2 処理能力が限られたモバイルデバイスに適した、効率的な歪み補正手法とは何か？
• RQ3 実際の画像歪みの下で、ヒストグラムに基づく手法を用いてどのようにして線と文字を正確に分離できるか？
• RQ4 低性能モバイルハードウェア上でリアルタイム性能を維持しながら、どの程度の分離精度が達成できるか？

主な発見

• 提案手法は、500–600 dpi解像度の300万画素ビジネスカード画像において、平均97.48%の分離精度を達成した。
• 前処理および歪み補正を含む、全分離パイプラインは中程度の性能を持つノートブック（DualCore T2370、1.73 GHz、1GB RAM）で1.1秒で実行された。
• 本手法は計算量が少なく、リソース制限のあるモバイルデバイスへの展開に適している。
• 歪み補正により、線および文字抽出の前にテキスト領域を整列させるため、分離性能が著しく向上した。
• ヒストグラムに基づく分離は、フォントサイズ、字間隔、レイアウトの違いに関係なく、多様なビジネスカードデザインに対応できる。