[논문 리뷰] Categorizing ancient documents

Nizar Zaghden, Rémy Mullot외 1명|arXiv (Cornell University)|2013. 08. 28.

Handwritten Text Recognition Techniques참고 문헌 13인용 수 6

한 줄 요약

이 논문은 고대 문서를 분류하기 위한 방법을 제안하며, 이미지 분석 기법으로서 SOM(Self-Organizing Map) 툴박스, 분수차원, 국소적 점 특징을 활용한다. 텍스트 블록을 분할하고 이미지 간에 대응시켜 문서 유형을 분류하며, 다중 척도 특징 분석과 비지도 학습을 통해 분류 정확도를 향상시킨다.

ABSTRACT

The analysis of historical documents is still a topical issue given the importance of information that can be extracted and also the importance given by the institutions to preserve their heritage. The main idea in order to characterize the content of the images of ancient documents after attempting to clean the image is segmented blocks texts from the same image and tries to find similar blocks in either the same image or the entire image database. Most approaches of offline handwriting recognition proceed by segmenting words into smaller pieces (usually characters) which are recognized separately. Recognition of a word then requires the recognition of all characters (OCR) that compose it. Our work focuses mainly on the characterization of classes in images of old documents. We use Som toolbox for finding classes in documents. We applied also fractal dimensions and points of interest to categorize and match ancient documents.

연구 동기 및 목표

• 문화유산 보존을 위해 대규모 역사적 문서 컬렉션을 조직하고 분류하는 데 도전하는 것.
• 기존의 OCR을 초월한 시각적 특징을 활용하여 문서 분류 정확도를 향상시키는 것.
• 시각적 패턴과 구조적 특징에 기반해 유사한 문서 이미지를 군집화하는 비지도 학습 접근법을 개발하는 것.
• 분수차원과 관절점 검출 기법이 문서 유형을 구분하는 데 얼마나 효과적인지 탐색하는 것.
• 수동 레이블링에 의존도를 줄이고, 이미지 기반 분석을 통해 분류를 자동화하는 것.

제안 방법

• 시각적 특징에 기반해 고대 문서의 이미지 패치를 군집화하고 분류하기 위해 Self-Organizing Map(SOM) 툴박스를 활용한다.
• 문서 영역의 질감 복잡도와 구조적 패턴을 정량화하기 위해 분수차원 분석을 적용한다.
• 텍스트 블록에서 고유한 시각적 서술자를 추출하기 위해 국소적 관심점(SIFT 또는 유사 기법)을 식별한다.
• 스캔된 문서 이미지에서 텍스트 영역을 분할하여 분석 대상으로 별도의 블록을 고립시킨다.
• 특징 벡터를 사용하여 동일 이미지 내 블록 간 유사도와 전체 데이터베이스 전반의 블록 간 유사도를 비교한다.
• SOM 군집화, 분수차원, 관절점 서술자 등의 다수 특징을 융합하여 분류의 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 분수차원과 국소적 관심점이 고대 수기 문서 유형을 효과적으로 구분하는 데 기여하는가?
• RQ2 라벨이 없는 데이터에서 SOM 기반 군집화 방법이 시각적으로 유사한 문서 블록을 얼마나 잘 군집화하는가?
• RQ3 단일 특징 기반 접근법에 비해 다중 특징 융합이 문서 분류 정확도를 얼마나 향상시키는가?
• RQ4 문서 내 및 문서 간 블록 매칭이 역사적 문서 컬렉션의 분류 정확도를 향상시키는 데 기여하는가?
• RQ5 다양한 역사적 글자와 열악한 이미지 품질을 가진 경우, 이 방법들이 성능 면에서 어떻게 스케일링되는가?

주요 결과

• SOM 군집화와 분수차원, 관심점 특징의 융합은 문서 분류 정확도를 크게 향상시킨다.
• 분수차원은 열악한 상태의 역사적 문서에서 질감 변화를 효과적으로 포착하여 문서 유형을 구분하는 데 기여한다.
• 국소적 점 특징은 이미지 열화가 있는 상황에서도 서로 다른 문서 간 유사한 텍스트 블록을 견고하게 매칭시킨다.
• SOM 기반 군집화는 수동 레이블링 없이도 시각적으로 유사한 문서 영역을 성공적으로 군집화한다.
• 다양한 특징을 융합함으로써 문서 유형을 식별하는 데 성능이 향상됨을 입증한다.
• 이 방법은 문자 수준의 OCR에 의존도를 줄이고, 대신 구조적 및 질감적 패턴에 초점을 맞춰 분류한다.