[논문 리뷰] A Compact Graph Model of Handwritten Images: Integration into Authentification and Recognition

Denis V. Popel|ArXiv.org|2002. 07. 04.

Handwritten Text Recognition Techniques참고 문헌 3인용 수 4

한 줄 요약

이 논문은 손글씨 이미지를 위한 컴act한 그래프 모델을 제안하며, 윤곽선을 체인코드 기술자와 런레ング스 압축을 사용해 최소 그래프로 표현함으로써 스크래치된 손글씨 이미지의 저장 용량을 줄입니다. 서명에 대해선 10–20배, 손글씨 텍스트에 대해선 5–12배의 압축을 달성하며, MNIST 아라비아 숫자에서 5.9%의 오류율로 효율적인 인식과 인증이 가능합니다.

ABSTRACT

A novel algorithm for creating a mathematical model of curved shapes is introduced. The core of the algorithm is based on building a graph representation of the contoured image, which occupies less storage space than produced by raster compression techniques. Different advanced applications of the mathematical model are discussed: recognition of handwritten characters and verification of handwritten text and signatures for authentification purposes. Reducing the storage requirements due to the efficient mathematical model results in faster retrieval and processing times. The experimental outcomes in compression of contoured images and recognition of handwritten numerals are given.

연구 동기 및 목표

• 손글씨 윤곽선을 효율적인 저장 및 처리를 위해 수학적으로 압축적으로 표현할 수 있는 모델을 개발하기 위해.
• 기존 래스터 압축 방식을 초월하여 스캔된 손글씨 이미지, 특히 서명과 텍스트의 저장 요구량을 줄이기 위해.
• 그래프 모델에서 유도된 구조적 특징을 이용해 손글씨 문자 및 서명의 자동 검증 및 인식을 가능하게 하기 위해.
• 필수 형태 특징을 유지하면서 그래프 표현을 최소화하여 빠른 검색 및 처리를 지원하기 위해.
• 보안 문서 검증 및 개인 신원 확인을 위한 인증 시스템에 모델를 통합하기 위해.

제안 방법

• 윤곽선을 단일 픽셀 스켈레톤으로 줄이기 위해 수정된 Naccache-Shinghal 알고리즘을 사용한 이미지 미세화를 적용합니다.
• 노드 및 브랜치 기술자(노드: 끝점(인덱스 1), 선분 점(2), 분기점/교차점(3,4))를 사용해 미세화된 이미지를 그래프로 표현하며, 브랜치 방향은 Freeman 체인 코드를 사용합니다.
• 접근한 브랜치를 병합하고 부적절한 노드를 제거하여 가짜 노드 및 끊어진 윤곽선을 제거함으로써 형태를 보정합니다.
• 모든 노드와 브랜치를 손실 없이 순회하고 커버함으로써 그래프를 최소화하여 구조적 복잡성을 감소시킵니다.
• 상대 좌표(-1, 0, 1)와 수정된 런레ング스 인코딩을 사용해 브랜치 기술자를 압축하여 체인당 비트 길이를 8L에서 약 1.6L로 감소시킵니다.
• 그래프를 순회하고 벡터 브랜치를 비트맵으로 다시 변환함으로써 이미지를 재구성하며, 약간의 왜곡이 있더라도 의미적으로 타당한 재현이 가능합니다.

실험 결과

연구 질문

• RQ1 그래프 기반의 수학적 모델이 래스터 기반 방법에 비해 손글씨 이미지에 대해 현저히 높은 압축 성능을 달성할 수 있는가?
• RQ2 기하학적 변형이 존재하더라도 그래프 모델이 인식 및 인증을 위해 불변 특징을 얼마나 잘 유지할 수 있는가?
• RQ3 그래프 모델이 최소한의 왜곡으로 손글씨 아라비아 숫자의 자동 인식에 얼마나 효과적으로 기여하는가?
• RQ4 모델을 확장하여 손글씨 특징의 확률적 모델링을 지원함으로써 인증 성능을 향상시킬 수 있는가?
• RQ5 손실 재구성의 영향으로 서명 및 손글씨 검증 작업의 정확도에 어떤 영향을 미치는가?

주요 결과

• 제안된 알고리즘은 손글씨 서명에 대해 10–20배, 손글씨 텍스트에 대해선 5–12배, 곡선 형태에 대해선 8–17배의 압축 비율을 달성했습니다.
• BMP 형식으로 1962바이트인 손글씨 텍스트 이미지를 압축하여 154바이트로 줄였으며, ZIP(701바이트)보다 4.3배 우수한 성능을 보였습니다.
• 윤곽선 압축을 통해 체인당 비트 길이를 8L에서 약 1.6L로 감소시켜 상대 좌표 인코딩을 통해 공간 절약을 크게 이룹니다.
• 그래프 최소화 과정에서 한 예시에서 노드 수를 여덟 개에서 두 개로 줄여, 필수 위상 정보를 유지하면서도 구조적 단순화가 가능함을 보여줍니다.
• 상대 거리, 고리 수 등 20개의 불변 특징을 기반으로 한 인식 알고리즘은 MNIST 데이터베이스에서 5.9%의 오류율을 달성했습니다.
• 이 모델을 사용한 이미지 재구성은 시각적으로 만족스러운 근사치를 제공하였으며, 신원 확인 및 인식 작업에 미치는 영향은 최소한이었습니다.