유사 문자쌍 구분을 위한 지역별 중요도 기반 비선형 정규화 방법 연구
Non-linear Normalization for Pair-wise Discrimination Based On Regional Contribution Measure
- 주제(키워드) 유사문자 , 문자인식 , 비선형
- 발행기관 한동대학교 대학원
- 지도교수 김인중
- 발행년도 2011
- 학위수여년월 2011. 2
- 학위명 석사
- 학과 및 전공 일반대학원 정보통신공학과
- 세부전공 정보통신공학
- 원문페이지 vii, 35p.
- 실제URI http://www.dcollection.net/handler/handong/000001085815
- 본문언어 영어
- 저작권 한동대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 논문에서는 문자인식에서 발생하는 유사 문자쌍 구분의 어려움을 해결하기 위하여 유사 문자쌍의 지역별 중요도 기반 비선형 정규화 방법을 제안한다. 일반적으로 지금까지 문자인식을 위해 연구되었던 비선형 정규화 방법들은 동일 클래스 내 필기 변이 완화를 주 목적으로 하여 진행되어 왔다. 그리고 이러한 비선형 정규화 방법들에 대한 연구들은 실제 인식 시스템에 상당한 성능 향상을 나타내었다. 그러나, 한글과 같이 유사 문자가 많은 언어에서는 동일 클래스 내 필기 변이 외에도 문자간의 높은 유사도로 인해 높은 인식률을 얻는데 어려움이 있다. 따라서 문자간 유사도가 높은 언어를 효과적으로 인식하기 위해서는 동일 클래스 내 필기 변이를 흡수하는 것뿐만 아니라, 유사 문자쌍간의 차이를 정확히 찾아내어 그 차이점을 부각시키는 것이 요구된다. 이러한 문자간 유사도 문제를 해결하기 위하여 본 논문에서는 유사 문자간의 차이점을 부각시킬 수 있는 비선형 정규화 방법을 고찰한다. 기존의 비선형 정규화 방법들이 영상의 지역적 복잡도를 균일화 함으로써 정규화를 수행했던 것에 반해, 본 논문에서는 유사 문자쌍 구분을 위한 지역적 공헌도를 기반하여 영상을 정규화한다. 즉, 유사 문자쌍 구분에 공헌도가 높은 지역은 확대하고 그렇지 않은 지역은 축소한다. 그 결과, 문자간에 서로 상이한 지역을 강조 함으로써 유사 문자쌍에 대한 구분력을 향상시킨다. 실험 결과, 제안하는 방법으로 정규화된 영상에서는 유사 문자쌍의 차이점이 강조되었으며, 문자쌍의 구분 성능 또한 향상되었다. 또한 혼동이 가장 많이 되는 사위 10개의 유사 문자쌍의 경우 유사 문자쌍 구분 성능은 87.11%에서 92.58%으로 5.47% 향상되었으며, 문자 인식 시스템에 적용하였을 경우 인식 성능이 84.40%에서 85.97%로 약 1.57% 향상되었다.
more목차
Abstract 5
Contents 9
List of Figures 10
List of Tables 11
I. Introduction 12
II. Related Works 14
1. Non-linear normalization 14
2. Pair-wise discrimination 16
3. Baseline character recognition system 18
III. Non-linear Normalization for Pair-wise Discrimination Based On Regional Contribution Measure - Discriminative normalization (DN) 20
1. Overview 20
2. Regional contribution learning 22
3. Regional contribution equalization 26
4. Template building 28
5. Histogram fitting 32
IV. Experiments 34
1. Overview 34
2. Difference between similar character pairs 35
3. Pair-wise discrimination 37
4. Recognition 41
V. Conclusion 42
VI. Reference 43