[논문 리뷰] Off-Line Handwritten Signature Retrieval using Curvelet Transforms

M. S. Shirdhonkar, Manesh Kokare|arXiv (Cornell University)|2011. 04. 11.

Handwritten Text Recognition Techniques참고 문헌 2인용 수 6

한 줄 요약

이 논문은 오프라인 손글씨 서명 검색을 위한 커브렛 변환 기반 방법을 제안하며, 텍스처 특징을 추출하여 부분 서명 입력이 있을 경우에도 정확한 유사도 매칭을 가능하게 한다. 180개의 서명으로 구성된 데이터베이스에서 평가한 결과, 시스템은 높은 검색 정확도를 달성하여 서명의 누락되거나 손상된 부분에 대해 강건함을 입증한다.

ABSTRACT

In this paper, a new method for offline handwritten signature retrieval is based on curvelet transform is proposed. Many applications in image processing require similarity retrieval of an image from a large collection of images. In such cases, image indexing becomes important for efficient organization and retrieval of images. This paper addresses this issue in the context of a database of handwritten signature images and describes a system for similarity retrieval. The proposed system uses a curvelet based texture features extraction. The performance of the system has been tested with an image database of 180 signatures. The results obtained indicate that the proposed system is able to identify signatures with great with accuracy even when a part of a signature is missing.

연구 동기 및 목표

• 대규모 이미지 데이터베이스에서 손글씨 서명을 효율적이고 정확하게 검색하는 데 도전하는 것.
• 부분적 또는 불완전한 서명 입력이 존재하는 상황에서 서명 검색 성능을 향상시키는 것.
• 손글씨 서명의 텍스처 특성에 특화된 강건한 특징 추출 방법을 개발하는 것.
• 커브렛 변환이 서명 색인화 및 매칭을 위한 구조적이고 텍스처적인 세부 정보를 어떻게 포착하는지 효과적으로 평가하는 것.

제안 방법

• 이 방법은 회색조 서명 이미지에서 다중 척도 및 다중 방향의 텍스처 특징을 추출하기 위해 커브렛 변환을 사용한다.
• 모서리와 윤곽 정보를 고방향 감도로 포착하기 위해 커브렛 계수를 계산한다.
• 커브렛 계수의 크기에서 특징 벡터를 유도하여 서명 내의 구조적 패턴을 강조한다.
• 특징 벡터 간의 L2 거리 기반 유사도 측도를 사용하여 쿼리 서명을 데이터베이스 항목과 비교한다.
• 시스템은 커브렛 기반 특징 표현을 사용하여 서명을 색인화하여 빠른 검색을 구현한다.
• 작은 글쓰기 스타일의 변형에 대해 불변성을 확보하면서도 분류 가능한 특징을 유지하도록 설계되었다.

실험 결과

연구 질문

• RQ1 커브렛 변환은 오프라인 손글씨 서명에서 분류 가능한 텍스처 특징을 효과적으로 추출할 수 있는가?
• RQ2 부분적 또는 열화된 서명 버전만 제공될 경우, 제안된 방법의 서명 검색 성능은 어떠한가?
• RQ3 기존의 특징 추출 기법과 비교해 커브렛 기반 시스템의 검색 정확도는 어떠한가?
• RQ4 부분 입력 조건 하에서 이 방법이 서명의 유일성을 어느 정도 유지하는가?

주요 결과

• 제안된 커브렛 기반 방법은 부분 서명 이미지가 쿼리로 사용될 경우조차도 180개의 서명으로 구성된 데이터베이스에서 높은 검색 정확도를 달성한다.
• 시스템은 서명의 누락되거나 손상된 부분에 대해 강건성을 보이며, 높은 식별 성능를 유지한다.
• 커브렛 변환은 서로 다른 손글씨 서명을 구분하는 데 핵심적인 방향성 및 구조적 텍스처 특징을 효과적으로 포착한다.
• 기존의 전통적 텍스처 분석 방법과 비교해 커브렛 특징의 사용은 서명 검색 맥락에서 개선된 유사도 매칭 성능을 이끌어낸다.