[論文レビュー] Binarizing Business Card Images for Mobile Devices

Ayatullah Faruk Mollah, Subhadip Basu+4 more|arXiv (Cornell University)|Mar 2, 2010

Handwritten Text Recognition Techniques参考文献 7被引用数 4

ひとこと要約

本稿では、カメラで撮影された名刺画像をブロックに分割し、明るさの分散を用いて背景領域を分類し、非テキスト領域を除去した後、テキスト領域に対してずれ補正とバイナリ化を適用することで、モバイルデバイス向けに高速かつ適応的なバイナリゼーション手法を提案する。この手法は、リソース制限のあるモバイルプラットフォームに適した効率的でリアルタイムの性能を発揮しながら、多様な名刺コンテンツタイプにおいて高い正確性を維持する。

ABSTRACT

Business card images are of multiple natures as these often contain graphics, pictures and texts of various fonts and sizes both in background and foreground. So, the conventional binarization techniques designed for document images can not be directly applied on mobile devices. In this paper, we have presented a fast binarization technique for camera captured business card images. A card image is split into small blocks. Some of these blocks are classified as part of the background based on intensity variance. Then the non-text regions are eliminated and the text ones are skew corrected and binarized using a simple yet adaptive technique. Experiment shows that the technique is fast, efficient and applicable for the mobile devices.

研究の動機と目的

• 複雑に混在するテキスト、図形、および変動する照明条件を含む名刺画像を、モバイルデバイス上でバイナリ化する課題に対処すること。
• 非均一で混合コンテンツを含む名刺画像では失敗する、従来の文書バイナリゼーション手法の限界を克服すること。
• 計算リソースが限られたモバイルプラットフォームにデプロイ可能な軽量で高速なアルゴリズムを開発すること。
• 非テキスト部を事前に除去した上でテキスト領域にのみバイナリゼーションを適用することで、テキスト抽出の正確性を向上させること。

提案手法

• 入力された名刺画像は、局所的処理を可能にするために小さな非重複ブロックに分割される。
• 背景領域は明るさの分散を用いて特定される—分散が低いブロックは背景と分類される。
• 高周波成分が存在しないことに基づき、非テキスト領域がフィルタリングされ、潜在的なテキストブロックのみが保持される。
• テキスト領域は、文字を水平方向に整列させるためにずれ補正を受ける。
• 各テキストブロックに対して適応的しきい値処理が適用され、バイナリ画像が生成される。
• 最終出力は、その後続のOCRおよび情報抽出タスクに最適化されたバイナリ化画像である。

実験結果

リサーチクエスチョン

• RQ1 混合コンテンツを含む名刺画像において、ブロックベースのアプローチが背景領域とテキスト領域を効果的に区別できるか？
• RQ2 モバイルデバイス上でリアルタイムに処理するために、明るさの分散を効率的に用いて背景ブロックを分類できるか？
• RQ3 ずれ補正と適応的バイナリゼーションが、モバイルで撮影された名刺のOCR正確性に与える影響は何か？
• RQ4 軽量なアルゴリズムは、多様な名刺レイアウトおよび照明条件において、どの程度の性能を維持できるか？

主な発見

• 本手法は、局所的計算をブロック単位で行うことで、モバイルデバイス上でリアルタイムに適した高速処理を達成する。
• 明るさの分散に基づく背景検出は、複雑な特徴抽出を必要とせず、均一な領域を効果的に特定する。
• 非テキスト領域の除去により、以降の段階でのバイナリゼーション品質がノイズ低減とともに向上する。
• ずれ補正は、最終的なバイナリ化出力の見やすさと正確性を顕著に向上させる。
• 適応的バイナリゼーションステップは、カードの異なる部分における変動する照度とコントラストに対しても効果的に対応する。
• 全体的なアプローチは、多様な名刺レイアウト、フォント、および画像品質に対しても頑健であることが示された。