[论文解读] Multiple models of Bayesian networks applied to offline recognition of Arabic handwritten city names

Mohamed Ali Mahjoub, Nabil Ghanmy+2 more|arXiv (Cornell University)|Jan 18, 2013

Handwritten Text Recognition Techniques被引用 11

一句话总结

本文提出一种多模型贝叶斯网络方法，用于离线识别阿拉伯文手写城市名称，采用基于块的特征提取方法，结合Zernike矩和Hu矩，K均值聚类，以及四种贝叶斯分类器（朴素贝叶斯、TAN、FAN、DBN）。FAN与DBN在多写作者突尼斯城市名称数据集上表现最优，识别率最高。

ABSTRACT

In this paper we address the problem of offline Arabic handwriting word recognition. Off-line recognition of handwritten words is a difficult task due to the high variability and uncertainty of human writing. The majority of the recent systems are constrained by the size of the lexicon to deal with and the number of writers. In this paper, we propose an approach for multi-writers Arabic handwritten words recognition using multiple Bayesian networks. First, we cut the image in several blocks. For each block, we compute a vector of descriptors. Then, we use K-means to cluster the low-level features including Zernik and Hu moments. Finally, we apply four variants of Bayesian networks classifiers (Na\\"ive Bayes, Tree Augmented Na\\"ive Bayes (TAN), Forest Augmented Na\\"ive Bayes (FAN) and DBN (dynamic bayesian network) to classify the whole image of tunisian city name. The results demonstrate FAN and DBN outperform good recognition rates

研究动机与目标

• 解决多写作者背景下离线阿拉伯文手写词识别中高变异性与不确定性的挑战。
• 克服现有系统因词汇量小和写作者多样性有限而带来的局限性。
• 构建一个能够处理阿拉伯文字书写风格多样性的鲁棒识别框架。
• 评估多种贝叶斯网络变体，以确定最适合阿拉伯文城市名称识别的模型。
• 通过集成空间块分析与统计特征聚类，提升识别准确率。

提出的方法

• 将阿拉伯文手写城市名称的输入图像划分为空间块，以捕捉局部结构模式。
• 从每个块中使用Zernike矩和Hu矩提取低级视觉描述符，实现鲁棒的形状表示。
• 对相似的特征向量应用K均值聚类，降低维度并增强判别能力。
• 在聚类后的特征上训练四种贝叶斯网络变体——朴素贝叶斯、树增强朴素贝叶斯（TAN）、森林增强朴素贝叶斯（FAN）和动态贝叶斯网络（DBN）。
• 将块级特征的组合作为完整图像表示，输入分类器以进行最终城市名称预测。
• 通过建模特征之间的条件依赖关系优化分类性能，其中DBN能够捕捉块序列中的时间或顺序结构。

实验结果

研究问题

• RQ1 在多写作者条件下，不同贝叶斯网络架构在识别离线阿拉伯文手写城市名称方面的表现如何？
• RQ2 在书写变异性存在的情况下，通过K均值聚类进行特征聚类在多大程度上提升了识别准确率？
• RQ3 FAN与DBN模型是否能够超越传统朴素贝叶斯和TAN，在捕捉阿拉伯文字特征中的复杂依赖关系方面表现更优？
• RQ4 基于Zernike矩与Hu矩的分块特征提取策略在阿拉伯文词识别中的有效性如何？
• RQ5 将空间块特征与概率建模相结合，对整体识别性能的影响是什么？

主要发现

• FAN与DBN分类器在所有测试模型中取得了最高的识别率，优于朴素贝叶斯与TAN。
• 对Zernike矩与Hu矩特征进行K均值聚类，改善了特征表示并增强了分类鲁棒性。
• 分块处理增强了局部特征的捕捉能力，有助于在多样的书写风格中实现更好的泛化性能。
• 将空间块特征与贝叶斯网络相结合，显著提升了识别准确率，优于仅使用全局特征的方法。
• DBN通过建模块间顺序依赖关系表现出强劲性能，表明手写模式中存在时间结构。
• 本研究证实，多模型贝叶斯网络在多写作者阿拉伯文手写词识别中具有有效性，尤其在采用FAN与DBN变体时表现更优。