문자인식을 위한 특징벡터의 부분 정보를 이용한 대분류 방법

A Rough Classification Method for Character Recognition Based on Patial Feature Vectors

본 논문에서는 문자 인식을 위한 효율적인 대분류 방법을 제안하였다. 기존의 대분류 방법은 입력된 문자를 인식 대상문자마다 미리 작성된 표준 특징벡터와 유사와 계산에 의해 인식 후보문자들을 선정하는 것이었으나, 제안한 대분류 방식은 유사한 문자들을 같은 그룹으로 모아서 그 그룹에 속한 문자들의 평균 값을 대표값으로 사용하는 것이다. 문자의 영역을 몇개의 소영역으로 분할하고, 각 소영역에 해당되는 부분벡터로 ISODATA 알고리즘을 이용하여 적당한 수의 그룹을 형성한다. 입력분자의 부분정보에 해당되는 소영역의 부분특징벡터와 대응되는 그룹들과의 거리를 계산한 후, 부분과의 거리 값을 최종적으로 다시 모아서 전체 거리 정보로 이용한다. 이러한 대분류 방법은 일반적인 방법에 비해 처리속도 면에서의 향상과 분류면에서의 확실성을 갖게 되었다.

In this paper a effective classification method for character recognition is proposed. The existing classification methods select candidates by comparing an unknown input character, with all the standard patterns based on the similarity measur. The proposed method, however, groups similiar characters together and uses their average distance as representative value of the group. We divided the character region into several sub-region and applied ISODATA algorithm to partial vectors of each sub-region to anstruct appropriate number of groups. After computing the distance between partial feature vector and its mapping group, we could collect all the information of input character ultimately. The proposed method showed improvement in the processing speed and certainty in classification than the existing methods.