[论文解读] A Compact Graph Model of Handwritten Images: Integration into Authentification and Recognition

Denis V. Popel|ArXiv.org|Jul 4, 2002

Handwritten Text Recognition Techniques参考文献 3被引用 4

一句话总结

本文提出一种用于手写图像的紧凑图模型，通过将轮廓表示为具有链码描述符和游程压缩的最小图，实现了签名10–20倍、手写文本5–12倍的压缩率，同时在MNIST数字上实现5.9%的错误率，支持高效识别与认证。

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.

研究动机与目标

• 开发一种数学模型，以紧凑方式表示手写轮廓，实现高效存储与处理。
• 在传统光栅压缩之外，进一步降低扫描手写图像（尤其是签名和文本）的存储需求。
• 利用图模型中的结构特征，实现手写字符与签名的自动验证与识别。
• 通过最小化图表示，在保留关键形状特征的同时，支持快速检索与处理。
• 将该模型集成至认证系统中，用于安全文档验证与个人身份识别。

提出的方法

• 使用改进的Naccache-Shinghal算法进行图像细化，将轮廓简化为单像素骨架。
• 使用节点与分支描述符将细化图像表示为图：节点包括端点（索引1）、直线点（2）与节点/交叉点（3,4），分支方向使用Freeman链码表示。
• 通过合并相邻分支并去除虚假节点，对形状进行平滑处理，以消除虚假节点与断裂轮廓。
• 通过遍历并覆盖所有节点与分支，以无损方式最小化图，降低结构复杂度。
• 使用相对坐标（-1, 0, 1）与改进的游程编码压缩分支描述，将每条链的比特长度从8L减少至约1.6L。
• 通过遍历图并将向量分支重新转换为位图实现图像重建，实现近似但语义有效的再现。

实验结果

研究问题

• RQ1 基于图的数学模型能否在手写图像上实现显著优于光栅方法的压缩率？
• RQ2 尽管存在几何变化，该图模型在多大程度上能保持用于识别与认证的不变特征？
• RQ3 该图模型在支持手写数字自动识别方面效果如何，且失真最小？
• RQ4 该模型能否扩展以支持手写特征的概率建模，从而增强认证能力？
• RQ5 有损重建对签名与手写验证任务的准确性有何影响？

主要发现

• 所提算法在手写签名上实现10–20倍压缩率，手写文本上实现5–12倍，曲线形状上实现8–17倍。
• 对于1962字节的BMP格式手写文本图像，该方法压缩至154字节，优于ZIP（701字节），压缩倍数达4.3倍。
• 轮廓压缩将每条链的比特长度从8L减少至约1.6L，通过相对坐标编码实现显著的空间节省。
• 图最小化过程在某一示例中将节点数从八个减少至两个，证明了在不损失关键拓扑结构的前提下实现结构简化。
• 基于20个不变特征（如相对距离、环路计数）的识别算法在MNIST数据库上实现5.9%的错误率。
• 使用该模型进行图像重建可生成视觉可接受的近似图像，对真实性验证与识别任务影响极小。