• 정보처리학회논문지B
• /
• 제10B권7호
• /
• pp.837-846
• /
• 2003

본 연구에서는 아파트의 설계도면을 처리의 대상으로 하고 있다. 이러한 아파트 도면은 굵고 평행한 두 개의 선으로 표현되는 주벽과 심볼(문, 창, 베란다. 타일 $\cdots$), 치수선(Dimension Line), 치수보조선, 여러 가지 수치를 나타내는 숫자(치수)와 문자 등으로 구성되어 있다. 본 연구에서는 이러한 아파트 도면 내에서 아파트 건물의 골격을 이루는 주벽을 인식하는 방법을 제시하고 있다. 이를 위해서 가는 라인을 제거하고 굵은 라인만을 남기는 이진화 방법을 사용하여, 이러한 라인들을 벡터화하고, 주벽의 존재위치를 한정하였다. 이를 이용해 치수보조선을 구하고 찾은 피수보조선을 이용하여 주벽을 검출하고, 찾아진 주벽에 연결되는 다른 주벽으로 영역을 확장해 나가는 방법을 구현하였다. 마지막으로, 주벽사이에 있는 창문은 비록 주벽이 아닌 창문 심볼로 표현되어 있더라도 주벽으로 인식해야 하기 때문에, 찾아진 주벽을 이용해 이들 주벽사이에 존재하는 창문을 찾는다. 실험결과 인식률에서 본 연구에서 제시하는 방법이 96.5%의 인식율을 나타내어 Karl Tombre 연구팀의 방법 90.7%보다 5.8% 더 우수하게 나타났고, 오인식의 수도 작게 나타났다.

• 방송공학회논문지
• /
• 제19권1호
• /
• pp.56-63
• /
• 2014

본 논문은 자동차 번호판 인식을 위한 이진화 과정을 다루고자 한다. 이진화 과정은 번호판 영상을 이진 영상으로 나타내는 것을 말하며, 많은 경우 이진화 결과가 번호판 문자인식 성능에 결정적인 영향을 미치게 된다. 후면 번호판은 전면 번호판과는 달리 구조적 영향에 의해 번호판에 그림자가 생기는 경우가 많은데, 그림자가 있는 번호판은 기존 이진화 방법을 사용할 경우에 적절하지 못한 결과를 가져올 때가 많다. 본 논문에서는 이 같은 문제점을 해결하기 위해 그림자가 있는 번호판에서 그림자가 있는 부분과 그림자가 없는 부분을 구분한 후, 나눠진 영역에 대해 히스토그램 매칭을 수행한다. 히스토그램 매칭된 두 영상을 다시 붙여서 전체 영상에 대해 이진화한다. 그림자가 있는 번호판 이진화를 위한 기존 방법과 성능을 비교 분석하였고, 그림자 경계선 검출에 오차가 있는 경우 제안하는 방법이 기존 방법에 비해 성능이 우수함을 확인할 수 있다.

• 전기학회논문지
• /
• 제58권5호
• /
• pp.1025-1034
• /
• 2009

In steel making production line, steel slabs are given a unique identification number. This identification number, Slab management number(SMN), gives information about the use of the slab. Identification of SMN has been done by humans for several years, but this is expensive and not accurate and it has been a heavy burden on the workers. Consequently, to improve efficiency, automatic recognition system is desirable. Generally, a recognition system consists of text localization, text extraction, character segmentation, and character recognition. For exact SMN identification, all the stage of the recognition system must be successful. In particular, the text localization is great important stage and difficult to process. However, because of many text-like patterns in a complex background and high fuzziness between the slab and background, directly extracting text region is difficult to process. If the slab region including SMN can be detected precisely, text localization algorithm will be able to be developed on the more simple method and the processing time of the overall recognition system will be reduced. This paper describes about the slab region localization using SIFT(Scale Invariant Feature Transform) features in the image. First, SIFT algorithm is applied the captured background and slab image, then features of two images are matched by Nearest Neighbor(NN) algorithm. However, correct matching rate can be low when two images are matched. Thus, to remove incorrect match between the features of two images, geometric locations of the matched two feature points are used. Finally, search rectangle method is performed in correct matching features, and then the top boundary and side boundaries of the slab region are determined. For this processes, we can reduce search region for extraction of SMN from the slab image. Most cases, to extract text region, search region is heuristically fixed [1][2]. However, the proposed algorithm is more analytic than other algorithms, because the search region is not fixed and the slab region is searched in the whole image. Experimental results show that the proposed algorithm has a good performance.

• 한국산업정보학회논문지
• /
• 제29권3호
• /
• pp.13-22
• /
• 2024

현재 디지털 기기의 확산과 함께 일상에서 손으로 쓰는 글씨의 비중은 점점 줄어들고 있다. 키보드와 터치스크린의 활용도 증가에 따라 한글 필기체의 품질 저하는 어린 학생부터 성인까지 넓은 범위의 한글 문서에서 관찰되고 있다. 그러나 한글 필기체는 여전히 개인적인 고유한 특징을 포함하면서 가독성을 제공하는 많은 문서 작성에 필요하다. 이를 위해 본 논문에서는 손으로 쓴 한글 필기체의 품질을 개선하고, 교정하기 위한 목적의 어플 구현을 목적으로 한다. 제안된 어플은 CRAFT(Character-Region Awareness For Text Detection) 모델을 사용하여 필기체 영역을 검출하고, 딥러닝으로서 VGG-Feature-Extraction 모델을 사용하여 필기체의 특징을 학습한다. 이때 사용자가 작성한 한글 필기체의 음절 단위로 신뢰도를 인식률로 제시하고, 또한, 후보 폰트들중에서 가장 유사한 글자체를 추천하도록 구현한다. 다양한 실험을 통해 제안한 어플은 기존의 상용화된 문자 인식 소프트웨어와 비교할만한 우수한 인식률을 제공함을 확인할 수 있다.