A Study on Printed Hangeul Recognition with Dynamic Jaso Segmentation and Neural Network

동적자소분할과 신경망을 이용한 인쇄체 한글 문자인식기에 관한 연구

In this paper, we present a method for dynamic Jaso segmentation and Hangeul recognition using neural network. It uses the feature vector which is extracted from the mesh depending on the segmentation result. At first, each character is converted to 256 dimension feature vector by four direction contributivity and $8\times8$ mesh. And then, the character is classified into 6 class by neural network and is segmented into Jaso using the classification result the statistic vowel location information and the structural information. After Jaso segmentation, Hanguel recognition using neural network is performed. We experiment on four font of which three fonts are used for training the neural net and the rest is used of testing. Each font has the 2350 characters which are comprised in KS C 5601. The overall recognition rates for the training data and the testing data are 97,4% and 94&% respectively. This result shows the effectivness of proposed method.

본 논문에서는 한글의 동적자소분할 방법과 자소분할 결과 얻어진 가변분할 망눈으로부터 특징벡터를 추출해 신경망에 입력함으로써 문자를 인식하는 방법을 제안한다. 먼저, 각 문자에서 4방향 기여도와 $8\pm8$망눈을 사용하여 256차원의 특징벡터를 구한 후, 신경망에 의해 한글을 6형식으로 분류한다. 분류된 결과를 바탕으로 모음의 통계적인 위치정보와 문자의 구조적인 정보를 이용하여 각 문자를 자소 단위로 분할한다. 분할된 자소의 크기에 따라 가변적인 크기를 갖는 망눈을 구성하고 특징벡터를 추출해 자소인식 신경망에 입력함으로써 문자인식을 행한다. 4개의 서체(3개의 서체는 학습, 1개는 인식실험), KS C 5601내의 2350자의 문자를 대상으로 실험한 결과 학습에 사용된 서체에 대해서는 97%이상, 나머지 한 서체에 대해서는 94% 이상의 인식률을 나타내 제안된 방법의 유효성을 보였다.