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 색 분산을 이용하여 텍스트 영역을 추출하는 방법과 추출된 텍스트 영역에서 텍스트를 이진화 시키는 방법을 새롭게 제안하였다. 제안한 분리 방법은 초기 시드와 K를 자동으로 결정하는 장점이 있으며, 적용한 결과 향상된 분리 결과를 확인할 수 있었다, 다양한 종류의 자연 이미지에 제안한 방법을 적용한 결과 높은 재현율을 얻어서 응용시스템에 적용할 수 있는 가능성을 확인하였다.
- 이미지 배경이 다양한 색으로 구성되거나 배경과 전경의 명도 차이가 작은 경우에는 기존의 이진화 방법으로 인식할만한 결과를 얻기가 어렵다. 본 논문에서는 이러한 문제점을 해결하기 위해서 색 병합을 이용한 이진화 방법을 제안한다. 제안하는 방법은 K-means 병합을 개선한 것이다.
- 그러나 실내외에서 취득한 자연이미지는 빛과 조명 등의 영향으로 텍스트와 배경의 구분이 명확하지 않은 경우가 자주 발생한다. 본 논문에서는 이러한 이미지에서의 텍스트 추출의 정확성을 향상시키기 위해서 색 분산을 특징으로 제안한다. RGB 색 공간에서의 각 화소는 3차원으로 표현되어 3차원 공간에서의 분산을 측정하지만, 명도이미지에서의 분산은 1차원으로 표현되어 밝기 차이가 작은 이미지에서는 분산이 작게 표현된다.
- 본 논문에서는 텍스트 추출 특징으로서 RGB (red green blue) 색 공간에서의 색 분산을 텍스트 추출 특징으로 새롭게 제안한다. 제안한 특징은 배경과 문자영역의 색 차이가 작아서 명도이미지에서 구별하기 어려운 텍스트 영역들도 찾아내는 장점을 갖고 있다.
- 이는 공개된 학습 이미지와 공개되지 않은 테스트 이미지의 수준을 추측할 수 있는 수치로 판단되며, 본 논문에서 제안한 방법의 정확한 평가를 위해서는 2007년 ICDAR 콘테스트에 참가하여 확인하는 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.