[论文解读] An Efficient Hidden Markov Model for Offline Handwritten Numeral Recognition

B. Saritha, S Hemanth|arXiv (Cornell University)|Jan 29, 2010

Handwritten Text Recognition Techniques参考文献 29被引用 4

一句话总结

该论文提出了一种高效的隐马尔可夫模型（HMM），用于基于细化字符图像提取的结构特征进行离线手写数字识别。通过使用归一化、骨架化的64×64图像对每个数字建模为离散HMM，系统在NIST数据集上实现了84.5%的识别准确率，性能因数字而异，其中'4'识别最不准确，'0'最准确。

ABSTRACT

Traditionally, the performance of ocr algorithms and systems is based on the recognition of isolated characters. When a system classifies an individual character, its output is typically a character label or a reject marker that corresponds to an unrecognized character. By comparing output labels with the correct labels, the number of correct recognition, substitution errors misrecognized characters, and rejects unrecognized characters are determined. Nowadays, although recognition of printed isolated characters is performed with high accuracy, recognition of handwritten characters still remains an open problem in the research arena. The ability to identify machine printed characters in an automated or a semi automated manner has obvious applications in numerous fields. Since creating an algorithm with a one hundred percent correct recognition rate is quite probably impossible in our world of noise and different font styles, it is important to design character recognition algorithms with these failures in mind so that when mistakes are inevitably made, they will at least be understandable and predictable to the person working with the

研究动机与目标

• 通过利用结构特征与HMM建模，提升离线手写数字的识别准确率。
• 解决手写风格差异与扫描图像中噪声带来的挑战。
• 开发一种基于细化与拓扑特征（如节点与端点）的鲁棒特征提取流程。
• 评估HMM在建模孤立手写数字时的性能，且状态复杂度尽可能低。

提出的方法

• 预处理包括去噪、笔画宽度归一化以及图像细化，以生成单像素宽的骨架。
• 特征提取聚焦于结构特征：端点、节点、环路以及笔画方向。
• 每个数字被建模为具有状态转移概率、观测概率和初始状态分布的离散隐马尔可夫模型（HMM）。
• 使用标准的Baum-Welch重估计算法进行HMM训练，无需预先分割的数据。
• 观测空间由从细化图像中提取的量化特征定义。
• 通过计算每个HMM的似然度并选择概率最高的模型完成识别。

实验结果

研究问题

• RQ1 结合结构特征时，HMM建模在孤立手写数字识别中的有效性如何？
• RQ2 细化与骨架化对特征一致性与识别准确率有何影响？
• RQ3 哪些数字最难识别，其结构特征如何导致误分类？
• RQ4 最小状态数的HMM能否在多样化手写数字数据集上实现高识别准确率？

主要发现

• 所提出的基于HMM的系统在每类数字40个样本的数据集上实现了84.5%的整体识别准确率。
• '0'是识别最准确的数字，而'4'最不准确，表明其形状存在结构上的模糊性。
• 细化显著提升了特征一致性，通过减少噪声并保留拓扑结构。
• 尽管存在书写风格差异，节点与端点等结构特征仍能有效区分数字形状。
• 该模型在具有清晰、独特拓扑特征的数字上表现最佳，而在结构模糊或相似的数字上表现较差。
• 未来改进可包括对骨架中虚假分支的启发式剪枝，以及与神经网络结合以提升性能。