[論文レビュー] Text recognition in both ancient and cartographic documents

Nizar Zaghden, Khelifi, Badreddine+2 more|arXiv (Cornell University)|Aug 28, 2013

Handwritten Text Recognition Techniques参考文献 7被引用数 10

ひとこと要約

本稿では、正規化、局所的およびグローバル特徴、および文字レベルの画像比較を組み合わせることで、古代文書および地図文書における文字認識のための新しいワードスポッティング手法を提案する。本手法は、全単語の画像ではなく文字画像のマッチングに注目することで、精度と再現率の向上を達成し、歴史的手稿および地図の両方で有効性を示している。

ABSTRACT

This paper deals with the recognition and matching of text in both cartographic maps and ancient documents. The purpose of this work is to find similar text regions based on statistical and global features. A phase of normalization is done first, in object to well categorize the same quantity of information. A phase of wordspotting is done next by combining local and global features. We make different experiments by combining the different techniques of extracting features in order to obtain better results in recognition phase. We applied fontspotting on both ancient documents and cartographic ones. We also applied the wordspotting in which we adopted a new technique which tries to compare the images of character and not the entire images words. We present the precision and recall values obtained with three methods for the new method of wordspotting applied on characters only.

研究の動機と目的

• 読みにくく視覚的変動が大きい古代および地図文書におけるテキストの認識とマッチングの課題に対処すること。
• 歴史的および地図資料に一般的に見られる劣化・非一様・装飾的な書体を扱える耐障害性の高いテキスト認識システムの開発。
• 正規化処理フェーズを介して局所的およびグローバル特徴を統合することで、認識性能の向上。
• 全単語の代わりに個々の文字画像を比較する新しいワードスポッティング技術の導入。
• 古代手稿および歴史的地図の実世界データセットを用いた、本手法の有効性の評価。

提案手法

• 画像の特徴を標準化し、文書間での一貫した情報表現を確保するため、正規化フェーズを適用する。
• 識別力の向上を図るため、局所的およびグローバル特徴を統合する。
• 全単語の代わりに個々の文字画像を比較する、新しいワードスポッティング技術を導入する。
• 認識フェーズのパフォーマンス最適化を図るため、特徴抽出手法を体系的に統合する。
• 統計的分析を活用して、古代および地図文書の両方において、視覚的類似性に基づいて類似するテキスト領域をマッチングする。
• 耐久性と正確性を評価するために、複数の特徴抽出組み合わせを用いた実験を実施する。

実験結果

リサーチクエスチョン

• RQ1 劣化および装飾的な書体を有する古代および地図文書におけるテキスト認識は、どのようにして向上させられるか？
• RQ2 局所的およびグローバル特徴を統合することで、困難な文書タイプにおける認識精度にどのような影響を与えるか？
• RQ3 ワードスポッティングタスクにおいて、文字レベルの画像比較は全単語画像比較を上回ることができるか？
• RQ4 正規化処理は、多様な文書タイプ間でテキスト認識の整合性とパフォーマンスにどのように影響を与えるか？
• RQ5 提案された文字ベースのワードスポッティング手法が達成した精度と再現率の値は何か？

主な発見

• 提案された文字レベルのワードスポッティング手法は、従来の全単語アプローチよりも高い精度と再現率を達成している。
• 局所的およびグローバル特徴を統合することで、古代および地図文書の両方で認識性能が顕著に向上している。
• 正規化処理により特徴の一貫性が向上し、より信頼性の高いテキスト領域マッチングが可能になった。
• 本手法は、歴史的手稿および古地図を含む多様な文書タイプにおいて、耐障害性を示している。
• 特定の精度および再現率の数値が、新規手法について報告されているが、要約には正確な数値が記載されていない。
• 結果から、低品質および装飾的な文書画像におけるワードスポッティングにおいて、文字画像に注目することが有効であることが確認された。