[논문]골격을 이용한 문자 인식을 위한 지역경계 연산

유석원

doi:10.17703/jcct.2018.4.4.361

초록
AI-Helper

학습 데이터를 구성하는 각각의 문자들에 대해 서로 다른 글자체들을 픽셀 단위로 더해서 MASK를 만들고, 해당 MASK에 속하는 픽셀값들을 세 영역으로 나눈다. 실험 데이터를 골격 형태로 수정하고, 지역 경계 연산을 사용하여 수정된 실험 데이터의 배경 중에서 문자의 골격에 인접한 배경 영역을 구분하는 경계를 만든다. 수정된 실험 데이터와 MASK들 간의 불일치 정도를 계산해서 최소값을 가지는 MASK를 찾는다. 이 MASK가 해당 실험 데이터에 대해 최종적으로 인식된 학습 데이터 문자로 선택된다. 문자의 골격과 지역 경계 연산을 사용하는 인식법은 주어진 학습 데이터에 새로운 글자체를 추가해서 학습 데이터를 쉽게 확장할 수 있으며, 구현하기가 간단하면서도 높은 문자 인식률을 얻을 수 있다.

Abstract ▼ AI-Helper

For each character constituting learning data, different fonts are added in pixel unit to create MASK, and then pixel values belonging to the MASK are divided into three groups. The experimental data are modified into skeletal forms, and then regional boundary operation is used to create a boundary ...

For each character constituting learning data, different fonts are added in pixel unit to create MASK, and then pixel values belonging to the MASK are divided into three groups. The experimental data are modified into skeletal forms, and then regional boundary operation is used to create a boundary that distinguishes the background region adjacent to the skeleton of the character from the background of the modified experimental data. Discordance values between the modified experimental data and the MASKs are calculated, and then the MASK with the minimum value is found. This MASK is selected as a finally recognized result for the given experiment data. The recognition algorithm using skeleton of the character and the regional boundary operation can easily extend the learning data set by adding new fonts to the given learning data, and also it is simple to implement, and high character recognition rate can be obtained.

주제어

표/그림 (4)

그림 그림 1. 10개의 자동차 번호판 숫자들 Figure 1. 10 Number of Plate Numbers
그림 그림 2. 10개의 자동차 번호판 숫자들의 골격들 Figure 2. 10 Number of Skeletons of Plate Numbers
그림 그림 3. 10개의 자동차 번호판 숫자들의 골격들의 축소형 Figure 3. Shrunk Versions of Skeletons of 10 Plate Numbers
표 표 1. 자동차 번호판들과 학습 데이터의 MASK들과의 연산 결과 Table 1. Calculation Results between MASKs of Learning Data and Plate Numbers

AI 본문요약
AI-Helper

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

문제 정의

다음의 알고리즘을 통해 골격을 이용한 문자 인식을 위한 지역경계 연산에 대해 보다 자세히 설명하고자 한다.
본 논문에서 제안한 지역경계 연산은 학습 데이터의 배경과 글자 영역 사이에 학습 데이터의 다양한 글자체들의 변화를 받아들이는 새로운 경계를 생성한다. 그래서 학습하지 않은 새로운 글자체의 문자 인식이 가능하며, 만족할만한 문자 인식 결과를 얻는다.
그러나 단점으로는 많은 양의 학습 데이터가 필요하고, 학습 시간이 오래 걸리고, 새로운 학습 데이터를 추가하기가 어렵다. 이러한 문제점들을 해결하기 위해서, 본 논문에서는 지역 경계 연산을 사용하여 문자의 골격과 배경 영역을 구분하는 경계를 만들어서 다양한 크기와 형태의 글자체를 가진 문자들을 인식하는 기법을 소개한다.

제안 방법

10개의 학습 데이터 문자들 각각에 대해, 10개의 글자체들을 픽셀 단위로 모두 더해 MASK를 구한 뒤에 MASK를 구성하는 픽셀값들 중에서 최고값을 찾는다. 그러고 나서 MASK를 구성하는 픽셀값들을 0부터 최고 값의 1/3, 최고값의 1/3부터 최고값의 2/3, 그리고 최고값의 2/3부터 최고값 등 세 개의 영역으로 나누고, 각 영역에 속하는 픽셀값들을 0, 1, 2로 수정한다.
본 논문에서는 다양한 글자체들을 가진 학습 데이터의 기본적인 특성을 나타내는 구조를 위해 MASK 개념을 사용한다. 그리고 학습 데이터의 다양한 글자체들의 변화로 인한 문제점을 해결하기 위해서, 실험 데이터의 배경과 문자의 골격 사이에 새로운 지역경계를 추가하는 지역경계 연산을 사용한다.

대상 데이터

다음 그림들은 골격을 이용한 문자 인식을 위한 지역 경계 연산을 실행해서 얻어진 결과를 보여준다. 그림 1은 현재 사용되고 있는 자동차 번호판의 글자체이면서 학습 데이터가 사용하지 않은 새로운 글자체를 가진 10개의 실험 데이터를 보여준다. 10개의 글자체를 가진 100개의 학습 데이터[8]와 실험 데이터 모두 바탕은 흰색으로 픽셀값 0을 가지고 글자 영역은 검은색으로 픽셀값 1을 가진다.
Step 2) 실험 데이터 또한 0부터 9까지 10개의 문자들로 구성되며, 현재 사용되고 있는 자동차 번호판의 글자체이면서 동시에 학습 데이터에서는 사용하지 않은 새로운 글자체를 가지고 있다. 실험 데이터는 전체 크기가 1000x100 크기의 흑백 영상이며, 각각의 실험 데이터 문자는 90x90 크기이다. 학습 데이터와 마찬가지로 배경은 0의 픽셀값을 가지며, 글자 영역은 1의 픽셀값을 가진다.
Step 1) 학습 데이터는 0부터 9까지 10개의 문자들로 구성되며, 각 문자는 10개의 서로 다른 글자체들을 가지고 있다. 학습 데이터는 전체 크기가 170x170 크기이며, 각각의 학습 데이터 문자는 15x15 크기의 흑백 영상이다. 배경은 0의 픽셀값을 가지며, 글자 영역은 1의 픽셀값을 가진다.

이론/모형

본 논문에서는 다양한 글자체들을 가진 학습 데이터의 기본적인 특성을 나타내는 구조를 위해 MASK 개념을 사용한다. 그리고 학습 데이터의 다양한 글자체들의 변화로 인한 문제점을 해결하기 위해서, 실험 데이터의 배경과 문자의 골격 사이에 새로운 지역경계를 추가하는 지역경계 연산을 사용한다.

성능/효과

장점으로는 1) 지역 경계 연산을 사용하여 문자를 인식하는 과정이 이해하기 쉬우며 알고리즘을 구현하기가 간단하다. 2) 기존의 기법 들에 비해 높은 문자 인식률을 얻을 수 있다. 3) 주어진 학습 데이터에 새로운 글자체를 추가해서 학습 데이터를 쉽게 확장할 수 있다.
Step 7-1-3) 수정된 실험 데이터와 MASK에 대한 불일치 정도를 계산하기 위해, 이들을 픽셀단위로 비교하는 과정에서 1) 수정된 실험 데이터의 픽셀값이 0이면서 MASK의 해당 픽셀의 픽셀값이 2이거나, 2) 수정된 실험 데이터의 픽셀값이 2이면서 MASK의 해당 픽셀의 픽셀값이 0인 경우에는 해당 픽셀에서 수정된 실험 데이터와 MASK 간에 불일치가 발생한 것으로 간주해서 불일 치값을 1 증가시킨다.
예를 들어, 실험 데이터 3은 MASK 3과는 7 크기의 불일치값을 가지며, MASK 9와는 29 크기의 불일치 값을 가진다. 결과적으로, 실험 데이터 3은 MASK가 3일때 최소의 불일치 값 7을 가지므로 실험 데이터 3은 MASK 3으로 인식된다. 결과적으로, 최고값의 1/3과 최고값의 2/3을 사용하여 세 개의 영역으로 분리하는 경우, 본 논문에서 제안한 지역경계 연산은 학습 데이터에서는 사용하지 않은 새로운 문자체를 가진 10개의 실험 데이 터에 대해 100%의 문자 인식 결과를 만든다.
결과적으로, 실험 데이터 3은 MASK가 3일때 최소의 불일치 값 7을 가지므로 실험 데이터 3은 MASK 3으로 인식된다. 결과적으로, 최고값의 1/3과 최고값의 2/3을 사용하여 세 개의 영역으로 분리하는 경우, 본 논문에서 제안한 지역경계 연산은 학습 데이터에서는 사용하지 않은 새로운 문자체를 가진 10개의 실험 데이 터에 대해 100%의 문자 인식 결과를 만든다.

후속연구

그래서 학습하지 않은 새로운 글자체의 문자 인식이 가능하며, 만족할만한 문자 인식 결과를 얻는다. 추후 연구 방향으로는 신경망 이론을 사용하여 문자를 인식하는 알고리즘 개발에 대해 연구 중이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사무 자동화가 보편화되며 어떤 연구들이 진행되고 있는가?	영상 형태의 문서[1]에서 다양한 형태의 글자체들을 가지는 문자를 인식[2]하는 과정은 사무자동화 분야에서는 해결하기 어려운 문제이다. 이를 위해 글자체의 뼈대[3]를 추출하여 글자체를 인식하는 연구들이 진행되고 있다. 뼈대를 사용하는 경우에는 글자체들의 다양한 변화로 인한 문제들뿐만 아니라 여러 각도로 회전한 경우도 해결할 수 있는 장점이 있다.
	컴퓨터 관련 기술들의 발달로 어떤 기술이 보편화 되었는가?	오늘날 컴퓨터 관련 기술들의 발달로 인해 사무 자동화가 보편화 되었다. 특히, 인간이 사용하는 문자는 정해진 형태의 활자보다는 다양한 형태의 글자체들을 사용하며, 거의 모든 서류들이 책뿐만 아니라 전자책 형태로 출판된다.
	인간이 사용하는 문자의 특징은?	오늘날 컴퓨터 관련 기술들의 발달로 인해 사무 자동화가 보편화 되었다. 특히, 인간이 사용하는 문자는 정해진 형태의 활자보다는 다양한 형태의 글자체들을 사용하며, 거의 모든 서류들이 책뿐만 아니라 전자책 형태로 출판된다. 영상 형태의 문서[1]에서 다양한 형태의 글자체들을 가지는 문자를 인식[2]하는 과정은 사무자동화 분야에서는 해결하기 어려운 문제이다.

참고문헌 (8)

E. Hall, Computer Image Processing and Recognition, Academic Press, pp.76-153, 1979.
G. Dougherty, Pattern Recognition and Classification, Springer, pp. 123-134, 2012.
D. Eberly, "Skeletonization of 2D Binary Images", www.geometrictools.com, pp.1-11, 2008.
K. Jang, S. Lee, "Analysis of Digital Video with a Focus on the Documentary Colored Hearing", Journal of Convergence on Culture Technology(JCCT), Vol.2, No.2, pp.23-27, 2016.
W. Pratt, Introduction to Digital Image Processing, CRC Press, pp. 139-154, 2013.
J. Parker, Algorithms for Image Processing and Computer Vision, Wiley, pp.137-175, 2010.
C. Suen, P.Wang, Thinning Methodologies for Pattern Recognition, World Scientific Press, pp.113-136, 1994.
S. Yoo, "Character Recognition Algorithm using Accumulation Mask", International Journal of Advanced Culture Technology(IJACT), Vol.6, No.2, pp.123-128, 2018.

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

골격을 이용한 문자 인식을 위한 지역경계 연산
Regional Boundary Operation for Character Recognition Using Skeleton 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (4)

표/그림 (4)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

골격을 이용한 문자 인식을 위한 지역경계 연산 Regional Boundary Operation for Character Recognition Using Skeleton 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (4) 모든 표/그림 보기

표/그림 (4) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

유석원 (2)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

골격을 이용한 문자 인식을 위한 지역경계 연산
Regional Boundary Operation for Character Recognition Using Skeleton 원문보기

초록
AI-Helper

표/그림 (4)

표/그림 (4)

AI 본문요약
AI-Helper