Conditional Moment-based Classification of Patterns Using Spatial Information Based on Gibbs Random Fields

깁스확률장의 공간정보를 갖는 조건부 모멘트에 의한 패턴분류

In this paper we proposed a new scheme for conditional two dimensional (2-D)moment-based classification of patterns on the basis of Gibbs random fields which are will suited for representing spatial continuity that is the characteristic of the most images. This implementation contains two parts: feature extraction and pattern classification. First of all, we extract feature vector which consists of conditional 2-D moments on the basis of estimated Gibbs parameter. Note that the extracted feature vectors are invariant under translation, rotation, size of patterns the corresponding template pattern. In order to evaluate the performance of the proposed scheme, classification experiments with training document sets of characters have been carried out on 486 66Mhz PC. Experiments reveal that the proposed scheme has high classification rate over 94%.

본 논문에서는 패턴을 효과적으로 분류하기 위하여 화상자료의 특성인 이웃 화소 간의 종속성을 잘 표현해 주는 깁스확률장의 크리크를 바탕으로 2차원 조건부 모멘트 를 제안하였다. 이 알고리즘 구축은 공간정보를 갖는 조건부 모멘트를 이용하여 특정 벡터를 추출하는 과정과 패턴을 분류하는 과정으로 분리하여 생각한다. 특정벡터를 추출하는 과정은 하나의 패턴에 대해 깁스분포의 크리크로 표현된 파라미터를 추정한 다음, 2차원 조건부 모멘트들을 계산하여 특정벡터로부터 제안된 판별거리함수를 계 산하여 여러 원형 패턴 가운데 최소거리를 산출한 미지의 패턴을 원형패턴으로 분류 한다. 제안된 방법의 성능을 검증하기 위하여 대문자와 소문자 52자로 된 훈련 데이 타를 만들어 486 PC 66Mhz에서 실험을 한 결과 97.5% 이상의 분류성능이 있음을 밝혔 다.