선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 4 방향 윤곽선 추적 알고리즘과 개선된 ART1 알고리즘을 이용한 영문 명함 인식 방법을 제안하였다. 명함 영상에서의 문자열 영역 추출은 문자들의 불규칙한 간격과 여백을 처리하기 위해 영문 명함 영상을 3배로 축소하고 수평 스미어링 기법과 4 방향 윤곽선 추적 방법을 이용하여 문자열의 후보 영역을 추출하였으며, 추출된 문자열의 후보 영역에 대해 가로 길이와 높이의 비율과 블록의 크기(면적)를 이용하여 문자열 영역과 비문자열 영역을 분리하였다.
- 본 논문에서는 이러한 요구에 맞추어 4-방향 윤곽선 추적 알고리즘과 개선된 ART1 신경망 알고리즘을 이용한 영문 명함 인식 방법을 제안한다. 명함 영상에서 문자들은 수평 방향으로 일정한 크기와 간격으로 구성되어 있기 때문에 문자열을 추출하는 전처리 방법으로 스미어링 (Smearing) 방법을 적용한다.
- 본 논문에서는 퍼지 논리 접속 연산자를 사용하여 경계 변수 값을 유사성을 가지는 특징에 따라 동적으로 조정하는 개선된 ART1 학습 모델을 제안한다. 퍼지의 합 접속 연산자는 총체화된값이 모든 입력 중 가장 큰 값보다 연산 결과가 작지 않은 성질을 갖는 연산자로서, Yager의 합 접속 연산자는 식(2)로 정의된 力@(0, 8) 값에따라 단조 감소하는 함수이다(Yager, 1980).
제안 방법
- 스미어링 방법 (Smearing)은 문지르기 기법이라고도 하며, 문자 간에 연결되어야 바람직한 요소임에도 불구하고 영상 입력과정에서 연결되지 못하는 경우에 대해서 검은 화소 사이에 존재하는 작은 여백을 검은 화소로 바꾸어 글자간의 여백을 제거하는 전처리방법이다(Gonzales and Wintz, 1997). 그러나 스미어 링 방법은 많은 처리 시간이 소요되는 단점 (김의정, 김태균, 1997)이 있으므로 본 논문에서는 원본 영문 명함 영상을 1/3의 크기로 축소하여 수평 방향으로 스미어링 기법을 적용함으로써 문자열 영역의 추출 시간을 단축한다.
- 그리고 개별 문자 인식을 위해 퍼지 합 접속 연산자를 이용하여 유사성을 가진 특징에 따라 경계 변수를 동적으로 조정하는 개선된 ART1 학습 알고리즘을 제안하여 개별 문자 인식에 적용하였다. 개선된 ART1 알고리즘은 잡음이 있는 개별 문자들에 대해서도 특징들을 정확히 분류하였으며, 인식률이 기존의 ART1 알고리즘보다 높은 것을 실험을 통해서 알 수 있었다.
- 최소 축소 방법은 문자가 원본보다 뚜렷하게 나타나서 개별 문자의 추출률이 다른 축소 방법들보다 개선되었다. 따라서 본 논문에서는 명함 영상 축소를 위해 3 X3 마스크를 이용하여 가장 작은 값으로 축소하는 최소 축소 방법을 적용하였다.
- 또한 서로 다른 패턴들이 유사한 특징을 갖는 경우에는 경계 변수 값을 설정하는 것이 매우 어렵다. 따라서 본 논문에서는 퍼지 합 접속 연산자를 이용하여 패턴의 유사도에 따라 경계 변수를 동적으로 조정하는 개선된 ART1 알고리즘을 제안하고 영문 명함 인식에 적용한다.
- 제안하였다. 명함 영상에서의 문자열 영역 추출은 문자들의 불규칙한 간격과 여백을 처리하기 위해 영문 명함 영상을 3배로 축소하고 수평 스미어링 기법과 4 방향 윤곽선 추적 방법을 이용하여 문자열의 후보 영역을 추출하였으며, 추출된 문자열의 후보 영역에 대해 가로 길이와 높이의 비율과 블록의 크기(면적)를 이용하여 문자열 영역과 비문자열 영역을 분리하였다. 개별 문자 추출은 세로 스미어링 방법과 4 방향 윤곽선 추적 알고리즘을 이용하여 추출하였다.
- 영문명함 영상에서 문자열은 수평으로 나열되어 있으므로 수평 방향으로 스미어링하여 추출된 영역은 높이보다 가로의 길이가 크다. 본 논문에서는 실험 영상에 대해 실험적 수치를 적용하여 윤곽선 추적에 의해 선택된 문자열 후보 영역들 중에서 가로의 길이와 높이의 비율이 1.5 이상이고, 블록의 M기(면적)가 8000을 초과하지 않으면 문자열 영역으로 분류한다.
- 그러나 스미어링 기법은 많은 계산 시간을 요구하기 때문에 큰 영상에 적용하기에는 어려움이 있다. 본 논문에서는 이를 개선하기 위해 명함 영상을 1/3의 크기로 축소하여 스미어링 기법을 적용한다. 본 논문에서의 영상 축소 방법은 *3 마스크를 이용하여 가장 큰 값으로 축소하는 방법과 가장 작은 값으로 축소하는 방법, 비율이 큰 화소로 영역을 대치시키는 방법을 각각 적용한다.
- 본 논문에서는 추출된 문자열 영역에 대해 수직 방향 스미어링 기법과 윤곽선 추적 기법을 적용하여 개별 문자를 추출한다. 추출된 문자열 영역에서 문자들의 특징을 모아주기 위해서 문자열을 수직 방향으로 스미어링한다.
- 윤곽선 추적 방법은 영역의 윤곽선 지점을 추출하여 분할되는 영역을 하나의 특징 영역으로 구분하여 문자들을 추출하는 방법이다(김성영외, 1999). 본 논문에서는 추출된 문자열 영역에서 수직방향 스미어링 기법과 4 방향 윤곽선 추적 알고리즘을 적용하여 개별 문자를 추출한다. 영상 인식에 많이 적용되는 ART1 알고리즘은 끊임없이 변하는 환경에서 자신의 메모리 용량을 전부 소모할 때까지 입력에 대해 실시간으로 빠르고 안정되게 학습과 인식을 수행한다.
- 본 논문에서는 이를 개선하기 위해 명함 영상을 1/3의 크기로 축소하여 스미어링 기법을 적용한다. 본 논문에서의 영상 축소 방법은 *3 마스크를 이용하여 가장 큰 값으로 축소하는 방법과 가장 작은 값으로 축소하는 방법, 비율이 큰 화소로 영역을 대치시키는 방법을 각각 적용한다. 축소된 명함 영상에서 문자 간격을 없애기 위해 수평 방향으로 스미어링을 수행한다.
- 추출된 문자열 영역에서 문자들의 특징을 모아주기 위해서 문자열을 수직 방향으로 스미어링한다. 수직 방향으로스미어링된 문자열 영역에 대해 4 방향 윤곽선 추적 알고리즘을 적용하여 픽셀간의 연결 요소를 연결하여 개별 문자들을 추출한다. 그리고 추출된 개별 문자들을 일정한 크기로 정규화 한다.
- <표 3>에서 추출된 개별 문자들을 기존의 ART1 알고리즘과 개선된 ART1 알고리즘에 각각 적용하여 생성된 클러스터의 개수와 인식 개수를 비교하였다. 기존의 ART1 알고리즘에서 경계 변수를 경험적으로 실험한 결과, 0.
- 영문 명함 영상에서의 개별 문자 추출에 대한 성능 평가는 3×3 마스크를 이용하여 가장 큰 값으로 축소하는 방법(최대 방법), 가장 적은 값으로 축소하는 방법(최소 방법), 그리고 비율이 큰 화소로 영역을 대치시키는 방법(평균 방법)을 각각 적용하여 문자의 추출률을 비교하였다. 축소 방법에 따른 추출률은<표 2>와 같다.
- 영문 명함 인식은 제안된 알고리즘을 이용하여 IBM 호환 기종의 펜티엄 PC 상에서 C++ 빌더 5.0으로 구현하였으며, 1500 x 800 픽셀 크기의 영문 명함 20개를 대상으로 성능 평가 실험을 수행하였다.
- 윤곽선 추적에 의해 선택된 문자열 후보 영역들 중에서 명함 인식에 필요한 문자열 영역을 추출하기 위해 추출된 문자열 후보 영역이 문자 영역인지를 검증한다. 추출된 문자열 후보 영역이 문자 영역인지의 구분은 가로 길이와 높이의 비율과 블록의 크기(면적)를 이용하여 문자열 영역과 비문자열 영역을 구분하는데, 이를 식으로 나타내면 식(1)과 같다.
- 본 논문에서의 영상 축소 방법은 *3 마스크를 이용하여 가장 큰 값으로 축소하는 방법과 가장 작은 값으로 축소하는 방법, 비율이 큰 화소로 영역을 대치시키는 방법을 각각 적용한다. 축소된 명함 영상에서 문자 간격을 없애기 위해 수평 방향으로 스미어링을 수행한다. 스미어링은 흑화소(black)를 수평으로 일정 크기의 픽셀만큼 늘려주는 방법으로 문자들의 특징을 묶어주는데 효율적이다.
이론/모형
- 명함 영상에서의 문자열 영역 추출은 문자들의 불규칙한 간격과 여백을 처리하기 위해 영문 명함 영상을 3배로 축소하고 수평 스미어링 기법과 4 방향 윤곽선 추적 방법을 이용하여 문자열의 후보 영역을 추출하였으며, 추출된 문자열의 후보 영역에 대해 가로 길이와 높이의 비율과 블록의 크기(면적)를 이용하여 문자열 영역과 비문자열 영역을 분리하였다. 개별 문자 추출은 세로 스미어링 방법과 4 방향 윤곽선 추적 알고리즘을 이용하여 추출하였다.
- 명함 영상에서 문자들은 수평 방향으로 일정한 크기와 간격으로 구성되어 있기 때문에 문자열을 추출하는 전처리 방법으로 스미어링 (Smearing) 방법을 적용한다. 스미어링 방법 (Smearing)은 문지르기 기법이라고도 하며, 문자 간에 연결되어야 바람직한 요소임에도 불구하고 영상 입력과정에서 연결되지 못하는 경우에 대해서 검은 화소 사이에 존재하는 작은 여백을 검은 화소로 바꾸어 글자간의 여백을 제거하는 전처리방법이다(Gonzales and Wintz, 1997).
- 따라서 명함 영상의 문자를 인식하기 위해서는 문자열 영역을 정확하게 추줄하는 것이 중요하다. 본 논문에서는 스미어 링(Smearing) 기법을 이용하여 문자들간의 간격을 제거하고 문자들을 뭉쳐서 문자열을 분리한다. 그러나 스미어링 기법은 많은 계산 시간을 요구하기 때문에 큰 영상에 적용하기에는 어려움이 있다.
- 수평으로 스미어링된 영상에서 문자열 후보영역을 추출하기 위해서 4 방향 윤곽선 추적 알고리즘(김성영 외, 199嘴)을 적용한다. 4 방향 윤곽선 추적 알고리즘은<그림 1>의 2x2 마스크를 이용하며, 음영이 들어간 경계 부분을 기준으로 반 시계 방향으로 진행하면서 이미지에서 경계를 만나기 전까지는 왼쪽에서 오른쪽으로 위에서 아래로 스캔한다.
성능/효과
- 그리고 개별 문자 인식을 위해 퍼지 합 접속 연산자를 이용하여 유사성을 가진 특징에 따라 경계 변수를 동적으로 조정하는 개선된 ART1 학습 알고리즘을 제안하여 개별 문자 인식에 적용하였다. 개선된 ART1 알고리즘은 잡음이 있는 개별 문자들에 대해서도 특징들을 정확히 분류하였으며, 인식률이 기존의 ART1 알고리즘보다 높은 것을 실험을 통해서 알 수 있었다. 제안된 방법을 이용하여 20개의 영문 명함 영상을 실험한 결과, 개별 문자의 추출률과 인식률은 각각 96%와 88%로 나타났다.
- 비교하였다. 기존의 ART1 알고리즘에서 경계 변수를 경험적으로 실험한 결과, 0.7로 설정하는 것이 가장 최적으로 나타났다. 개선된 ART1 알고리즘에서는 초기 경계 변수를 1로 설정하여 동적으로 조정하였다.
- <표 4>와 같이 개선된 ART1 알고리즘이 기존의 ART1 알고리즘보다 클러스터의 수가 적게 생성되었고 인식률도 개선되었다. 기존의 ART1 알고리즘은 추출된 유사한 개별 영문자들이 다른 클러스터 분류되어 클러스터의 수가 증가하였고 서로 다른 영문자들이 같은 클러스터로 분류되는 경우가 발생하여 개선된 ART1 알고리즘보다 클러스터의 수가 많이 생성되었지만 인식 수는 적게 나타났다.
- 본 논문에서는 영상 축소 방법으로 3×3 마스크를 이용하여 가장 큰 값으로 축소하는 방법(최대 방법), 가장 적은 값으로 축소하는 방법(최소방법), 그리고 비율이 큰 화소로 영역을 대치시키는 방법(평균 방법)을 각각 적용하였고, 3가지의 축소 방법 중에서 최소 축소 방법에 의한 개별문자 추출이 효율적인 것을 실험을 통해 확인하였다. 그리고 개별 문자 인식을 위해 퍼지 합 접속 연산자를 이용하여 유사성을 가진 특징에 따라 경계 변수를 동적으로 조정하는 개선된 ART1 학습 알고리즘을 제안하여 개별 문자 인식에 적용하였다.
- 같다.<표 4>와 같이 개선된 ART1 알고리즘이 기존의 ART1 알고리즘보다 클러스터의 수가 적게 생성되었고 인식률도 개선되었다. 기존의 ART1 알고리즘은 추출된 유사한 개별 영문자들이 다른 클러스터 분류되어 클러스터의 수가 증가하였고 서로 다른 영문자들이 같은 클러스터로 분류되는 경우가 발생하여 개선된 ART1 알고리즘보다 클러스터의 수가 많이 생성되었지만 인식 수는 적게 나타났다.
- 개선된 ART1 알고리즘은 잡음이 있는 개별 문자들에 대해서도 특징들을 정확히 분류하였으며, 인식률이 기존의 ART1 알고리즘보다 높은 것을 실험을 통해서 알 수 있었다. 제안된 방법을 이용하여 20개의 영문 명함 영상을 실험한 결과, 개별 문자의 추출률과 인식률은 각각 96%와 88%로 나타났다.
- 최대 축소 방법은 흑화소가 너무 많이 줄어들기 때문에 문자의 특징 영역이 제거되어서 추출률이 가장 낮았다. 최소 축소 방법은 문자가 원본보다 뚜렷하게 나타나서 개별 문자의 추출률이 다른 축소 방법들보다 개선되었다.
- 가장 낮았다. 최소 축소 방법은 문자가 원본보다 뚜렷하게 나타나서 개별 문자의 추출률이 다른 축소 방법들보다 개선되었다. 따라서 본 논문에서는 명함 영상 축소를 위해 3 X3 마스크를 이용하여 가장 작은 값으로 축소하는 최소 축소 방법을 적용하였다.
후속연구
- 향후 연구과제로는 필기체 등과 같은 문자로 구성되어 있는 다양한 영문 명함 영상에 적용하여 개별 문자의 추출률을 개선시키는 연구가 추가적으로 필요하고 개선된 ART1 알고리즘에서 서로 다른 일부 패턴들이 같은 클러스터로 분류되어 인식율이 저하되는 부분을 개선하기 위한 방향으로 개선된 ART1 알고리즘을 기반으로 한퍼지 RBF 신경망에 대한 연구가 추가되어야 할 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.