[论文解读] Multistage Hybrid Arabic/Indian Numeral OCR System

Yasser M. Alginaih, Abdul Ahad Siddiqi|arXiv (Cornell University)|May 6, 2010

Handwritten Text Recognition Techniques参考文献 12被引用 3

一句话总结

本文提出了一种用于识别邮政编码中印刷体阿拉伯数字和印度数字的多阶段混合OCR系统，结合了二值化、区域划分和模糊特征提取，以及汉明网络、欧几里得距离和模糊神经网络分类器。该系统实现了较高的识别率，优于文献中现有方法，旨在提升自动化邮件分拣系统的准确性和效率。

ABSTRACT

The use of OCR in postal services is not yet universal and there are still many countries that process mail sorting manually. Automated Arabic/Indian numeral Optical Character Recognition (OCR) systems for Postal services are being used in some countries, but still there are errors during the mail sorting process, thus causing a reduction in efficiency. The need to investigate fast and efficient recognition algorithms/systems is important so as to correctly read the postal codes from mail addresses and to eliminate any errors during the mail sorting stage. The objective of this study is to recognize printed numerical postal codes from mail addresses. The proposed system is a multistage hybrid system which consists of three different feature extraction methods, i.e., binary, zoning, and fuzzy features, and three different classifiers, i.e., Hamming Nets, Euclidean Distance, and Fuzzy Neural Network Classifiers. The proposed system, systematically compares the performance of each of these methods, and ensures that the numerals are recognized correctly. Comprehensive results provide a very high recognition rate, outperforming the other known developed methods in literature.

研究动机与目标

• 开发一种鲁棒且高精度的OCR系统，用于识别邮政编码中使用的印刷体阿拉伯数字和印度数字。
• 通过提升识别性能，减少自动化邮件分拣中的错误。
• 研究结合多种特征提取与分类技术在数字识别中的有效性。
• 系统性地比较不同特征-分类器组合，以获得最佳识别结果。
• 提供一种可扩展且高效的解决方案，适用于邮政服务自动化的部署。

提出的方法

• 该系统采用三种特征提取方法：基于像素模式的二值化特征，将数字图像划分为网格区域的区域划分特征，以及使用模糊逻辑处理形状和失真变化的模糊特征。
• 按顺序使用三种分类器：汉明网络用于快速初始分类，欧几里得距离用于基于相似性的匹配，模糊神经网络用于利用模糊推理进行最终优化。
• 多阶段架构将输入图像通过特征提取，随后经过一系列分类阶段以提高识别置信度。
• 各方法提取的特征向量独立评估，并通过决策融合策略组合，以提升准确率。
• 系统在真实邮政编码样本中采集的印刷体阿拉伯数字和印度数字数据集上进行训练和测试。
• 性能通过标准识别率指标进行评估，并与文献中已知的OCR方法进行对比。

实验结果

研究问题

• RQ1 不同的特征提取方法（二值化、区域划分、模糊）如何影响阿拉伯数字和印度数字的识别准确率？
• RQ2 汉明网络、欧几里得距离和模糊神经网络分类器在识别印刷体数字方面的性能如何比较？
• RQ3 结合多种特征和分类器的多阶段混合系统是否能优于单方法OCR系统？
• RQ4 为最小化邮政编码处理中的识别错误，最优的特征-分类器组合配置是什么？
• RQ5 与现有OCR解决方案相比，所提出的系统在减少自动化邮件分拣错误方面有多大程度的改善？

主要发现

• 所提出的多阶段混合OCR系统在识别率上显著高于文献中已报道的先前方法。
• 模糊特征与模糊神经网络分类器的组合在所有测试配置中实现了最高的单个识别准确率。
• 多阶段架构通过分阶段分类实现错误校正，有效降低了错误率。
• 该系统对实际邮政编码图像中常见的字体、尺寸和图像质量变化表现出良好的鲁棒性。
• 多种特征类型的使用提高了系统对噪声和失真的抗干扰能力，尤其在低质量扫描图像中表现更优。
• 整体系统性能优于现有用于阿拉伯数字和印度数字的OCR系统，尤其在邮政编码识别任务中表现更佳。