[논문 리뷰] Degraded Historical Documents Images Binarization Using a Combination of Enhanced Techniques

Omar Boudraa, Walid Khaled Hidouci외 1명|arXiv (Cornell University)|2019. 01. 27.

Handwritten Text Recognition Techniques참고 문헌 3인용 수 4

한 줄 요약

이 논문은 대조를 향상시키기 위해 CLAHE를 사용하고, 局부 대trast를 결정 기준으로 삼아 Otsu, 다중 수준 Otsu, Nick의 임계값 설정 방법을 융합하며, 잡음 제거를 위해 형태학적 후처리를 수행하는 세 단계의 하이브리드 이진화 프레임워크를 제안한다. 이 방법은 DIBCO 및 H-DIBCO 벤치마크에서 최신 기술 수준(SOTA) 성능을 달성하였으며, F-측정치는 DIBCO 2013에서 87.23%, H-DIBCO 2014에서 92.40%, H-DIBCO 2016에서 85.08%를 기록하여 Otsu, Sauvola, Niblack 방법을 모두 능가하였다.

ABSTRACT

Document image binarization is the initial step and a crucial in many document analysis and recognition scheme. In fact, it is still a relevant research subject and a fundamental challenge due to its importance and influence. This paper provides an original multi-phases system that hybridizes various efficient image thresholding methods in order to get the best binarization output. First, to improve contrast in particularly defective images, the application of CLAHE algorithm is suggested and justified. We then use a cooperative technique to segment image into two separated classes. At the end, a special transformation is applied for the purpose of removing scattered noise and of correcting characters forms. Experimentations demonstrate the precision and the robustness of our framework applied on historical degraded documents images within three benchmarks compared to other noted methods.

연구 동기 및 목표

• 비균일한 조명, 잡음, 흐림, 낮은 대비를 동반한 열악한 조건의 역사적 문서 이미지의 이진화 문제를 해결하기 위해.
• 하이브리드 프레임워크 내에서 다수의 임계값 설정 기법을 융합하여 이진화 정확도를 향상시키기 위해.
• 전처리(CLAHE) 및 후처리(연결 요소 분석 및 형태학적 연산)를 통해 영상 품질을 향상시키기 위해.
• 표준화된 벤치마크를 사용하여 다양한 열악한 조건에 대한 방법의 강인성을 평가하기 위해.
• 기존의 전역 및 적응형 임계값 설정 방법과 비교하여 뛰어난 성능을 입증하기 위해.

제안 방법

• 전처리 단계에서는 대비가 낮은 열악한 조건의 역사적 문서 이미지의 대비를 향상시키기 위해 대비 제한형 적응형 히스토GRAM 균형화(CLAHE)를 사용한다.
• 하이브리드 이진화 단계에서는 Otsu, 다중 수준 Otsu, Nick의 임계값 설정 방법을 적용하며, 지역 평균 대비를 결정 기준으로 삼아 각 영역에서 최적의 임계값을 선택한다.
• 결정 기준은 지역 대비 변화를 고려하면서도 반복 분산을 최대화하는 세 가지 방법 중 하나를 선택한다.
• 후처리 단계에서는 연결 요소 분석 및 형태학적 연산(예: 열림, 닫힘)을 사용하여 고립된 잡음을 제거하고 문자 형태를 보정한다.
• 프레임워크는 세 가지 서로 다른 임계값 설정 알고리즘을 협동적으로 통합하여 단일 방법의 한계에 의존하지 않는다.
• 열두 가지 매개변수에 대해 경험적 튜닝을 수행하였으며, 향후 작업에서는 퍼지 논리나 딥 러닝을 활용한 자동 튜닝을 제안한다.

실험 결과

연구 질문

• RQ1 전역 및 적응형 임계값 설정 방법의 하이브리드 조합이 심각하게 열악한 역사적 문서 이미지의 이진화 정확도를 향상시킬 수 있는가?
• RQ2 CLAHE 전처리가 대비가 낮은 문서 이미지에서 후속 임계값 설정 기법의 성능을 뚜렷이 향상시키는가?
• RQ3 Otsu, Niblack, Sauvola, Nick 등의 기존 방법과 비교하여 F-측정치, DRD, PSNR 측면에서 제안된 방법의 성능은 어떻게 되는가?
• RQ4 형태학적 연산 및 연결 요소 분석을 통한 후처리가 잡음 감소 및 문자 무결성 향상에 얼마나 기여하는가?
• RQ5 다양한 열악한 조건에서 단일 방법 기반 접근보다 다단계 프레임워크와 다수의 임계값 전략이 더 강인한 성능을 달성할 수 있는가?

주요 결과

• 제안된 방법은 DIBCO 2013 벤치마크에서 F-측정치 87.23%를 기록하여 Otsu(80.04%) 및 Sauvola(85.02%)를 모두 능가하였다.
• H-DIBCO 2014 데이터셋에서 F-측정치는 92.40%를 기록하여 1위를 차지하였으며, Otsu(91.63%) 및 Sauvola(86.83%)를 뚜렷이 앞섰다.
• H-DIBCO 2016 벤치마크에서 F-측정치는 85.08%를 기록하여 1위를 차지하였고, Otsu(86.59%)보다 F-측정치가 높았지만 이 경우 Otsu가 略로 높은 F-측정치를 기록하였다.
• 모든 데이터셋에서 가장 낮은 DRD(Distance to Reference Distance) 값을 기록하여 우수한 분할 정확도와 최소한의 왜곡을 나타내었다.
• DIBCO 2013에서 18.35 dB, H-DIBCO 2014에서 19.09 dB로 PSNR 값이 대부분의 경쟁 방법보다 높게 유지되어 영상 품질 유지 측면에서 뛰어난 성능을 보였다.
• 이진화 결과의 시각적 점검을 통해 제안된 방법이 Niblack, Otsu, Nick 방법과 비교해 가장 깔끔한 글자와 배경 간 분리, 최소한의 잡음, 더 나은 문자 형태 유지 능력을 보였다.