문자 별 특징 모델을 이용한 한글 문서 영상에서 키워드 검색
Keyword Spotting on Hangul Document Images Using Character Feature Models
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 저 품질의 한글 문서 영상에서 OCR 기반 검색 시스템의 대안으로 키워드 검출 시스템(Keyword Spotting)을 제안하고 OCR 기반 문서 검색 시스템과 비교한다. 제안 시스템은 문자 분할, 키워드 특징 추출 그리고 단어 매칭으로 구성된다. 문자 분할 단계에서는 인접한 두 문자간의 연결을 효과적으로 분리하면서 문자 넓이 값의 분산이 최소가 되도록 하는 문자 분할 방법을 제안한다. 키워드 특징은 서체별 문자 모델의 결합으로 구성한다. 단어 매칭 단계에서는 문자 매칭에 기반한 단어 대 단어 매칭 방법을 적용한다. 본 논문에서 제안한 키워드 검출 시스템의 성능을 평가하기 위해 한글 문서 영상을 대상으로 OCR 기반 문서 검색 시스템과 비교하였다. 그 결과 한글 글자 크기가 작고 문서의 상태가 좋지 않은 경우 제안한 키워드 검출 시스템에 의한 검색 성능이 OCR 기반 검색 시스템 보다 우수함을 입증하였다. 攀※이 논문은 2004년도 산업자원부의 지역혁신인력양성사업의 지원에 의하여 연구되었음.†준 회 원:전남대학교 자연과학대학 전산학과 박사과정 ††정 회 원:전남대학교 자연과학대학 전산학과 교수†††종신회원:전남대학교 자연과학대학 전산학과 교수논문접수：2005년 6월 21일, 심사완료：2005년 8월 18일
Abstract
In this paper, we propose a keyword spotting system as an alternative to searching system for poor quality Korean document images and compare the proposed system with an OCR-based document retrieval system. The system is composed of character segmentation, feature extraction for the query keyword, and word-to-word matching. In the character segmentation step, we propose an effective method to remove the connectivity between adjacent characters and a character segmentation method by making the variance of character widths minimum. In the query creation step, feature vector for the query is constructed by a combination of a character model by typeface. In the matching step, word-to-word matching is applied base on a character-to-character matching. We demonstrated that the proposed keyword spotting system is more efficient than the OCR-based one to search a keyword on the Korean document images, especially when the quality of documents is quite poor and point size is small.
참고문헌 (15)
- "문서 영상 처리 기술과 디지털 도서관", 20(2), pp.24~34 (2002)
- "Retrieval methods for English-text width missrecognized OCR characters", 2, pp.950~955 (1997)
- "Docu- ment retrieval tolerating character recognition errors- evaluation and application", 30(8), pp.1361~1371 (1997)
- "The retrieval of document images", pp.945~949 (1997)
- "Word spotting in scanned images using hidden markov models", pp.1~4 (1993)
- "Word searching in document images using word portion matching", pp.319~328 (2002)
- "A search engine for imaged documents in PDF files" (2004), UK
- "Keyword spotting via word shape recognition", pp.270~277 (1995)
- "A comparison of discrete and continuous hidden Markov models for phrase spotting in text images", 1, pp.398~402 (1995)
- "Image document text retrieval without OCR", 24(7), pp.838~844
- "웨이브렛을 이용한 영상기반 인쇄 한글 단어 검색", 28(2), pp.91~103 (2001)
- "A Keyword Spotting System of Korean Document Images", pp.530~
- "문서 영상의 단어 단위 분할 및 단어 영상의 속성 추출에 관한 연구" (2001)
- "A Document Image Preprocessing System for Keyword Spotting", china(440443), pp.2004~
- "2003년-현재전남대학교 전산학과 박사과정관심분야 1993년-1996년삼성전자 멀티미디어 연구소 선임연구원1997년-현재전남대학교 전자컴퓨터정보통신공학부 교수관심분야", pp.75~82 (1999), ACM press sanchun@iip.chonnam.ac.kr1999년조선대학교 전자계산학과 2001년조선대학교 전자계산학과 shkim@chonnam.ac.kr1986년서울대학교 컴퓨터공학과 1988년한국과학기술원 전산학과 1993년한국과학기술원 전산학과 dcho@chonnam.ac.kr1982년서울대학교 컴퓨터공학과 1984년한국과학기술원 전산학과 1995년Missouri-Kansas대학교 컴퓨터공학 1996년-현재전남대학교 전자컴퓨터 정보통신공학부 교수관심분야