[논문 리뷰] A survey of modern optical character recognition techniques

Eugene Borovikov|arXiv (Cornell University)|2004. 01. 01.

Handwritten Text Recognition Techniques참고 문헌 48인용 수 23

한 줄 요약

이 2004년 조사에서는 라틴 및 비라틴 문자를 포함한 인쇄체 및 수필체 텍스트 인식을 중심으로 현대 광학 문자 인식(OCR) 기술에 대한 종합적인 개요를 제공한다. OCR 파이프라인, 사전 처리 및 사후 처리 기법, 상용 및 오픈소스 OCR 엔진의 평가, 강건하고 다국어 및 적응형 OCR 시스템을 위한 주요 과제와 향후 방향성도 다룬다.

ABSTRACT

This report explores the latest advances in the field of digital document recognition. With the focus on printed document imagery, we discuss the major developments in optical character recognition (OCR) and document image enhancement/restoration in application to Latin and non-Latin scripts. In addition, we review and discuss the available technologies for hand-written document recognition. In this report, we also provide some company-accumulated benchmark results on available OCR engines.

연구 동기 및 목표

• 인쇄체 및 수필체 문서 인식을 위한 OCR 기술의 발전에 대한 체계적인 리뷰를 제공하기 위해.
• 이미지 품질, 문자 복잡도, 언어 혼합 등 OCR의 기술적 과제를 분석하기 위해.
• 기준 데이터를 사용하여 상용 및 공공 도메인 OCR 엔진의 성능과 한계를 평가하기 위해.
• 비라틴 문자 및 수필체 인식을 중심으로 한 OCR의 주요 추세와 향후 연구 방향을 식별하기 위해.
• 문맥, 이미지 향상 및 적응형 시스템이 OCR의 강건성과 정확도 향상에 미치는 중요성을 강조하기 위해.

제안 방법

• 성능 기준 테스트를 포함한 상용 및 공공 도메인 솔루션으로 나누어 OCR 시스템을 조사하고 분류하기 위해.
• OCR 파이프라인 분석: 사전 처리(이미지 향상, 분할), 인식(특징 기반 및 통계적 방법), 사후 처리(문맥 기반 수정).
• 기준 데이터를 사용한 정확도 평가 및 다양한 이미지 품질과 문자 복잡도에서의 성능 평가.
• 특히 캐리어 스크립트에서 수필체 인식을 위해 통계적 패턴 인식 및 은닉 마르코프 모델(HMMs)을 적용하기 위해.
• 오류율 감소 및 강건성 향상을 위해 문맥 기반 언어 모델링 통합하기 위해.
• 복잡한 스크립트인 아랍어 및 데바나가리 스크립트를 포함한 다국어 및 다중 스크립트 OCR에 집중하기 위해.

실험 결과

연구 질문

• RQ1 다양한 스크립트에서 고정밀 OCR를 달성하기 위한 주요 기술적 과제는 무엇인가요?
• RQ2 이미지 품질과 사전 처리 기법은 OCR 인식 성능에 어떤 영향을 미치나요?
• RQ3 현재 OCR 시스템이 아랍어나 데바나가리와 같은 복잡한 스크립트를 다루는 데에 겪는 한계는 무엇인가요?
• RQ4 HMM과 같은 통계 모델은 인쇄체 텍스트에 비해 캐리어 수필체 인식에 얼마나 효과적인가요?
• RQ5 기준 데이터가 없는 상황에서 문맥 기반 언어 모델링은 OCR 정확도 향상에 어떤 역할을 하나요?

주요 결과

• 상용 OCR 엔진은 유럽 문자를 사용한 명확하게 분할된 인쇄체 텍스트에서 오류가 거의 없는 성능을 달성한다. 특히 200+ dpi 해상도에서 성능이 뛰어나다.
• 수필체 인식은 높은 변동성으로 인해 여전히 도전 과제이다. HMM 기반 시스템은 가능성은 보이지만, 낙관적 인식이 어려운 캐리어 스크립트에서는 여전히 어려움을 겪는다.
• 이미지 품질이 열 劣화될 경우, 특히 중국어나 한국어와 같은 복잡한 스크립트에서는 OCR 정확도가 크게 떨어진다.
• 노이즈 감소 및 이미지 향상과 같은 사전 처리 기법은 저품질 스캔에서 특히 정확도 향상에 기여한다.
• 문맥 기반 언어 모델링은 검색 공간을 줄이고, 특히 모호하거나 노이즈가 많은 조건에서 인식의 강건성을 향상시킨다.
• 1980년대 이후 OCR 시스템의 비용은 크게 감소하여 표준 데스크톱 하드웨어에서도 소프트웨어 기반 OCR가 널리 이용 가능해졌다.