[논문]MSER을 이용한 문서 이미지 이진화 기법

유영중

doi:10.6109/jkiice.2014.18.8.1941

MSER을 이용한 문서 이미지 이진화 기법
Document Image Binarization Technique using MSER 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.18 no.8, 2014년, pp.1941 - 1947

유영중 (Department of Computer Engineering, Pusan University of Foreign Studies)

초록
AI-Helper

문서 이미지의 이진화는 문서 인식의 이전 단계에서 주로 사용되며, 이진화의 성공 여부에 따라 문서 인식의 결과에 영향을 미치는 중요한 단계로 볼 수 있다. 지금까지 문서 이미지를 이진화 하기 위한 다양한 기법들이 연구되었지만, 문서 이미지의 상태에 따라 그 결과는 다양하다. 본 논문에서는 객체 추출에 많이 이용되는 MSER(Maximally Stable Extremal Region)을 이용하여 문서 이미지를 이진화하는 기법을 제안한다. 먼저 문서 이미지에서 MSER 객체를 추출한다. 추출된 MSER 객체는 그 자체로 문서 이미지 이진화에 사용되기는 어렵기 때문에 사용하기 적합한 형태로 변경되는 과정을 거친다. 그리고 최종 MSER 객체와 문서 이미지로부터 추출한 대비 이진 이미지를 이용하여 최종 이진 이미지를 계산한다. 실험결과는 본 논문에서 제안한 방법이 문서 이미지의 이진화에 유용함을 보여준다.

Abstract ▼ AI-Helper

Document image binarization is largely used as previous stage of document recognition. And the result of document recognition is much affected from the result of document image binarization. There were many studies to binarize document images. The results of previous studies for document image binarization is varied according to the state of document images. In this paper, we propose a technique for document image binarization using MSER that is applied to extract objects from an image. At first, raw MSER objects are extracted from a document image. Because the raw MSER objects cannot be used for document image binarization, the extracted raw MSER objects are modified. Then the final MSER objects are used for document image binarization with the contrast image that is extracted from the document image. Experimental results show that the proposed technique is useful for document image binarization.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

문서의 이진화는 문서 인식을 위한 이전 단계에서 사용되는 방법으로 문서 인식률과 연관되는 중요한 문제라 할 수 있다. 본 논문에서는 Matas등[8]이 제안한 MSER을 사용하여 문서 이미지를 이진화하는 방법을 제안하였다. 실험결과를 통해 본 논문에서 제안한 방법이 다양한 종류의 저하된 이미지에 적용될 수 있음을 알 수 있다.
본 논문에서는 Su등[6,7]이 사용한 대비 이진 이미지와 Matas등[8]이 제안한 MSER을 이용하여 문서 이미지를 이진화하는 방법을 제안한다. II장에서는 Su등[6,7]이 제안한 대비 이미지에 대해 간단히 설명하고, Matas등[8]이 제안한 MSER을 본 연구에 적합한 형태로 변경하는 방법과 마지막으로 문서 이미지를 이진화하는 방법에 관해 설명한다.

가설 설정

를 사용한다. 대비 이진 이미지에는 추출되어야 할 텍스트 픽셀들의 부분집합(subset)이 포함되어 있는 것으로 가정하고, MSER 이미지는 확대집합(superset)이 포함되어 있는 것으로 가정한다. 최종적으로 두 결과를 이용하여 이진화된 문서 이미지 I_binary를 생성한다.

제안 방법

먼저 Sauvola등[3]의 방법을 이용해 대략적으로 텍스트 영역과 배경 영역을 구분하고, 배경 영역에 해당하는 픽셀들을 이용해 텍스트 영역의 픽셀들에 대한 밝기 값을 추정한다. 다음으로 텍스트 영역의 픽셀들에 대해 추정된 밝기 값과 원래 밝기 값을 비교하여 텍스트 픽셀 여부를 결정한다. Gatos등[4]의 방법에서는 초기에 Sauvola등[3]의 방법에 의해 대략적으로 추정되는 텍스트 영역이 실제 텍스트에 포함되는 픽셀들을 포함하지 않을 경우 좋은 결과를 기대하기 어렵다.
본 논문에서는 실험을 위해 OpenCV 2.1에서 제공하는 MSER 관련 함수를 사용하고, DIBCO에서 제공하는 이미지들을 테스트 이미지로 사용하였다.
그림 2에서 보는 바와 같이 많은 작은 사각형 영역들이 큰 사각형 영역의 내부에 포함되어있다. 본 논문에서는 텍스트 후보 픽셀들을 포함하는 하나의 사각형 영역만을 필요로하기 때문에 다른 사각형 영역내에 포함되어 있는 사각형 영역을 제거한다.
Otsu[1]가 제안한 방법은 문서 이미지의 밝기가 일정한 경우에 문제없이 작동하지만, 밝기가 일정하지 않은 문서에서는 텍스트와 배경을 분리하는데 어려움이 있다. 이 문제를 해결하기 위해 제안된 방법이 지역 문턱치(local threshold) 값을 이용하는 방법이다. 이미지의 각 픽셀을 중심으로하는 지역 창(local window)을 만들고, 각 픽셀에 적합한 문턱치 값을 계산한다.
이 문제를 해결하기 위해 제안된 방법이 지역 문턱치(local threshold) 값을 이용하는 방법이다. 이미지의 각 픽셀을 중심으로하는 지역 창(local window)을 만들고, 각 픽셀에 적합한 문턱치 값을 계산한다. Niblack[2]은 평균과 표준편차를 이용하여 식(1)과 같이 문턱치 값을 계산하는 방법을 제안하였다.
Lu등[5]은 샘플링을 통해 배경 픽셀 값들을 추정하고, 추정된 배경 픽셀 값들을 이용해 텍스트의 경계 픽셀들을 추출한다. 추출된 경계 픽셀 값들을 이용해 텍스트의 폭을 추정하고, 이를 기반으로 각 픽셀의 텍스트 여부를 판정한다. Lu등[5]의 방법에서의 관건은 추정된 배경을 기반으로한 경계 픽셀들의 추정의 정확성과 텍스트 폭 추정의 정확성이다.

대상 데이터

일반적으로 하나의 문서는 배경과 텍스트만으로 구성이 되거나 배경, 텍스트, 그리고 그림으로 구성된다. 본 논문의 대상은 그림을 제외한 텍스트와 배경으로 구성된 문서 이미지이다. 텍스트와 배경으로 구성된 문서 이미지로부터 텍스트를 인식하고 자동으로 전자문서를 생성하는 것은 이미 일반화된 작업이다.

이론/모형

Gatos등[4]은 이전과는 다른 방법을 제안했다. 먼저 Sauvola등[3]의 방법을 이용해 대략적으로 텍스트 영역과 배경 영역을 구분하고, 배경 영역에 해당하는 픽셀들을 이용해 텍스트 영역의 픽셀들에 대한 밝기 값을 추정한다. 다음으로 텍스트 영역의 픽셀들에 대해 추정된 밝기 값과 원래 밝기 값을 비교하여 텍스트 픽셀 여부를 결정한다.
본 논문에서는 입력 문서 이미지 I_in의 이진화를 위해 대비 이진 이미지 I_cb와 MSER 이미지 I_MSER를 사용한다. 대비 이진 이미지에는 추출되어야 할 텍스트 픽셀들의 부분집합(subset)이 포함되어 있는 것으로 가정하고, MSER 이미지는 확대집합(superset)이 포함되어 있는 것으로 가정한다.
본 논문의 결과를 이전 연구들과 비교하기 위해 Su[7]등이 비교를 위해 사용한 Bickley diary dataset의 7개의 문서 이미지를 이용하고, 측정 방법으로는 DIBCO에서 사용하는 다음과 같이 정의되는 F-Measure 를 사용하였다.

성능/효과

그림 7은 다양한 저하 이미지에 대한 본 논문의 결과를 보여준다. 그림 7을 통해 본 논문에서 제안한 방법이 여러 종류의 저하 이미지에서 좋은 이진화 결과를 보일 수 있음을 알 수 있다.
본 논문에서 제안한 방법은 대비 이진 이미지가 실제 텍스트 영역에 포함되는 픽셀들 중 상당한 양을 놓치는 경우 좋지 않은 이진화 결과를 보일 수 있다. 따라서 실제 텍스트 픽셀들의 부분 집합을 얻는 방법으로 대비 이미지외에 텍스트 경계 픽셀과 같이 다양한 방법을 이용함으로서 좀 더 안정적인 결과를 얻을 수 있을 것이다.
표 1은 사용된 7개의 문서 이미지에 대한 F-Measure의 평균 값을 나타낸 것이다. 본 논문에서 제안한 방법이 Gato[4]등의 방법과 유사한 결과를 보이지만, Gato[4]등의 방법이 Sauvola[3]의 방법에 기반하기 때문에 Sauvola[3] 방법의 단점에서 자유롭지 못하다는 문제가 있다. Su[7]등의 방법이 실험에 사용된 문서 이미지에 대해 본 논문에서 제안한 방법보다 좋은 결과를 보여주지만, 이들의 방법은 다양한 텍스트 폭을 가지는 문서 이미지에 적합하지 않다는 단점을 가진다.

후속연구

본 논문에서 제안한 방법은 대비 이진 이미지가 실제 텍스트 영역에 포함되는 픽셀들 중 상당한 양을 놓치는 경우 좋지 않은 이진화 결과를 보일 수 있다. 따라서 실제 텍스트 픽셀들의 부분 집합을 얻는 방법으로 대비 이미지외에 텍스트 경계 픽셀과 같이 다양한 방법을 이용함으로서 좀 더 안정적인 결과를 얻을 수 있을 것이다.
본 논문에서는 Matas등[8]이 제안한 MSER을 사용하여 문서 이미지를 이진화하는 방법을 제안하였다. 실험결과를 통해 본 논문에서 제안한 방법이 다양한 종류의 저하된 이미지에 적용될 수 있음을 알 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	문서 이미지의 이진화란 무엇인가?	이것을 위해서는 임의의 픽셀이 배경과 텍스트 중 어느 부분에 해당하는지를 결정해야한다. 임의의 픽셀이 배경과 텍스트 중 어느 부분에 해당하는지를 결정하기위해 필요한 작업이 문서 이미지의 이진화이다.
	문서 이미지의 이진화를 위한 입력 이미지는 어떤 것을 사용하는가?	문서 이미지의 이진화를 위한 입력 이미지는 회색 이미지를 사용한다. 문서 이미지의 이진화를 위한 방법 중 가장 먼저 고려해 볼 수 있는 방법이 전역 문턱치(global threshold) 값을 사용하는 방법이다.
	MSER을 사용하여 문서 이미지를 이진화하는 방법은 어떤 경우 좋지 않은 이진화 결과를 보일 수 있는가?	본 논문에서 제안한 방법은 대비 이진 이미지가 실제 텍스트 영역에 포함되는 픽셀들 중 상당한 양을 놓치는 경우 좋지 않은 이진화 결과를 보일 수 있다. 따라서 실제 텍스트 픽셀들의 부분 집합을 얻는 방법으로 대비 이미지외에 텍스트 경계 픽셀과 같이 다양한 방법을 이용함으로서 좀 더 안정적인 결과를 얻을 수 있을 것이다.

참고문헌 (8)

N. Otsu, "A Threshold Selection Method from Gray Level Histogram," IEEE Transactions on System, Man, Cybernetics, vol. 19, no. 1, pp. 62-66, Jan. 1978.
W. Niblack, "An Introduction to Digital Image Processing," Englewood Cliffs, NJ:Prentice-Hall, 1986.
J. Sauvola and M. Pietikainen, "Adaptive Document Image Binarization," Pattern Recognition, vol. 33, no. 2, pp. 225-236, Jan. 2000.

상세보기
B. Gatos, I. Pratikakis, and S. Perantonis, "Adaptive Degraded Document Image Binarization," Pattern Recognition, vol. 39, no. 3, pp. 317-327, Mar. 2006.

상세보기
S. Lu, B. Su, and C. L. Tan, "Document Image Binarization using Background Estimation and Stroke Edges," International Journal on Document Analysis and Recognition, vol. 13, no. 4, pp. 303-314, Dec. 2010.

상세보기
B. Su, S. Lu, and C. L. Tan, "Binarization of Historical Handwritten Document Images using Local Maximum and Minimum Filter," in Proceeding of the International Workshop on Document Analysis Systems, pp. 159-166, Jun. 2010.
B. Su, S. Lu, and C. L. Tan, "Robust Document Image Binarization Technique for Degraded Document Images," IEEE Transactions on Image Processing, vol. 22, no. 4, pp. 1408-1417, Apr. 2013.

상세보기
J. Matas, O. Chum, M.Urban, and T. Pajdla, "Robust Wide Baseline Stereo from Maximally Stable Extremal Regions," In Proceeding of the British Machine Vision Conference, pp. 384-393, 2002.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증