초록

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

본 논문을 자연여상에서 문자열의 위치를 찾아내는데 모폴로지 연산인 WTH(white top-hats)과 BTH(black top-hars)을 사용하였다. 기존의 자연영상에서의 문자열추출은 칼라양자화방법 경우 각 칼라공간에서 문자열 추출과정을 반복 적용하거나 모델기반방법의 경우 문자열의 획의 크기나 특징에 따라서 하나의 영상을 여러 개로 분리 적용하여 추가적인 계산비용을 필요로 한다는 점을 개선하고 공간적 변화도를 이용하여 영상을 직접 처리하는 경우 최소 문자열 후보영역을 찾기 위한 프로세스를 다시 적용해야 한다는 점을 개선하였다. 자연영상에 문자열의 위치를 대략적으로 찾아내기 위해 WTH+BTH을 적용하여 그 결과로 문자열의 대략적 위치와 최소문자열후보영역을 동시에 얻을 수 있다. 문자열이 가지는 특성을 적용하여 문자열-비문자열 분류과정을 적용하고 후처리를 통해 완전한 문자열의 위치를 보여준다.

본 논문을 자연여상에서 문자열의 위치를 찾아내는데 모폴로지 연산인 WTH(white top-hats)과 BTH(black top-hars)을 사용하였다. 기존의 자연영상에서의 문자열추출은 칼라양자화방법 경우 각 칼라공간에서 문자열 추출과정을 반복 적용하거나 모델기반방법의 경우 문자열의 획의 크기나 특징에 따라서 하나의 영상을 여러 개로 분리 적용하여 추가적인 계산비용을 필요로 한다는 점을 개선하고 공간적 변화도를 이용하여 영상을 직접 처리하는 경우 최소 문자열 후보영역을 찾기 위한 프로세스를 다시 적용해야 한다는 점을 개선하였다. 자연영상에 문자열의 위치를 대략적으로 찾아내기 위해 WTH+BTH을 적용하여 그 결과로 문자열의 대략적 위치와 최소문자열후보영역을 동시에 얻을 수 있다. 문자열이 가지는 특성을 적용하여 문자열-비문자열 분류과정을 적용하고 후처리를 통해 완전한 문자열의 위치를 보여준다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법

문제 정의

• 이러한 단점으로 인해 기울어진 영역에 대한 영역처리를 개선점으로 남긴다. 영상이 너무 밝은 경우에는 영역화로 인해 찾아낸 영역이 상대적으로 크고 많아지므로 톱햇(top-hats)연산의 임계치를 적웅적으로 결정함으로써 본 논문을 개선하고자 연구하고 있다. 본 논문에서는 영문자 하나만을 포함할 경우 비문자열로 처리하는 경우가 많다.

가설 설정

• 3. 전이도(Transition)가 임계치를 만족해야 한다.
• 6. 홀이 적고 연결요소의 크기가 유사한 것들이 일정한 간격으로 존재하면 문자열이다.

제안 방법

• 본 논문에서는 모폴로지 연산인 WTHtwhite top-hats)과 BHT(black top-hats)을 사용하여 문자 열의 대략적인 위치를 찾아낸다. 각 문자의 크기에 따라 단계적으로 적용하거나 칼라의 대표 값에 따라 각 칼라공간에 대해 문자추출과정을 반복 수행하여 많은 계산비용이 소모되지 않도록 영상을 직접 처리하였다. 영상을 직접 처리하는 방법으로 공간적 변화도가 높은 영역을 찾는 방법은 문자열 후보영역을 찾기 위한 추가적인 과정이 필요하다.
• TextMode의 값이 크면 text block이다. 그러나 창틀이나 우연히 존재하는 수직, 수평에지가 자연영상에는 많이 존재하므로 TextMode가 Tedge보다 작은 것을 비문자열로 분류하였다,
• 톱햇(top-hats) 연산을 적용하면 구조요소보다 작은 부분을 찾을 수 있기 때문에 찾고자 하는 문자의 최대크기에 제한을 둠으로써 구조요소를 정할수 있다. 따라서 본 논문에서는 문자획의 굵기를 25픽셀이 하로 제한하여 구조요소를 25x1로 실험하였다. Tbigstroke 보다 큰 획을 제거한다.
• 문자열 추출을 위한 WTH十BTH을 적용하여 문자 열의 위치를 비교적 명확히 찾아내었다. 영역분류화에서 여러문자들이 배열되어 있는 문자열에 대해서는 문자열로 처리해준다.
• 본 논문에서는 모폴로지 연산인 WTHtwhite top-hats)과 BHT(black top-hats)을 사용하여 문자 열의 대략적인 위치를 찾아낸다. 각 문자의 크기에 따라 단계적으로 적용하거나 칼라의 대표 값에 따라 각 칼라공간에 대해 문자추출과정을 반복 수행하여 많은 계산비용이 소모되지 않도록 영상을 직접 처리하였다.
• 본 논문에서는 실험은 펜티엄 셀러론 300a PC에서 Visual C++ 6.0을 사용하여 구현하였다. 실험영상을 디지털카메라로 자연영상에서 직접 획득하였으며 한 장의 크기는 764x573 칼 라영상이다
• 본 논문은 복잡한 자연영상에서 문자열을 추출하기 위해 WTH+BTH을 영역화에 적용했다. 영역화의 결과를 보면 기울어진 문자열에 대해서는 평행사변형모양으로 문자영역을 찾아 낸다.
• 영역분류화 단계는 문자열후보영역에 대해서 문자열-비문자열 판별을 수행한다. 영역화(Segmentation)의 결과로 추출된 영역에서 레이블링을 수행하여 각 영역을 포함하고 2픽셀 확장한 최소문자열 후보영역을 잡아준다. 영역분류화 단계는 휴리스틱을 적용하여 진행된다.

대상 데이터

• 영역분류화 단계는 휴리스틱을 적용하여 진행된다. 기존의 연구에서 문자열 분류화 과정에서 적용한 특성치 중에서 일부를 본 논문에서 사용했다. 최소 문자열 후보영역에 대해 Otsu알고리즘을 적용하여 이진화 한 후에 다음과 같은 조건을 검사한다.
• Tbigstroke 보다 큰 획을 제거한다. 본 논문에서 사용하는 입력영상 50개를 .대상 으로 사람의 눈으로 확실히 식별가능한 가장 작은 문자의 크기가 대략 7픽셀의 높이를 가지므로 7x7영역에서 밀도가 높은.
• 0을 사용하여 구현하였다. 실험영상을 디지털카메라로 자연영상에서 직접 획득하였으며 한 장의 크기는 764x573 칼 라영상이다
• 최소 문자열 후보영역에 대해 Otsu알고리즘을 적용하여 이진화 한 후에 다음과 같은 조건을 검사한다. 임계치는 영역화에서 추출된 최소후보영역에서 표본 &)개를 선정하여 정했다.

이론/모형

• 기존의 연구에서 문자열 분류화 과정에서 적용한 특성치 중에서 일부를 본 논문에서 사용했다. 최소 문자열 후보영역에 대해 Otsu알고리즘을 적용하여 이진화 한 후에 다음과 같은 조건을 검사한다. 임계치는 영역화에서 추출된 최소후보영역에서 표본 &)개를 선정하여 정했다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기