잡음 성분을 포함한 한글 문자 인식

Abstract

본 논문에서는 문자 인식시 문제가 되는 잡음 및 변형으로 인한 오인식을 감소시킬 수 있는 학습 방법을 제안한다. 사용 신경망은 전산 원고지를 이용한 한글 문자를 인식의 대상으로 삼으며, 초성, 중성(좌), 중성(우), 종성에 대한 4개의 자소별 인식 신경망으로 구성된다. 학습시 이진 패턴과 콘벌루션을 적용한 패턴을 함께 학습 패턴으로 사용함으로써 잡음에 대한 적응 능력을 향상시키고자 하였다. 또한 이진 패턴을 학습 패턴으로 사용한 경우와 콘벌루션된 패턴을 학습 패턴으로 사용한 경우를 인식률과 인식 속도면에서 비교 분석하여 보았다. 그 결과, 미소한 잡음이 첨가된 패턴에 대해서는 기존의 학습 방법과 거의 같은 인식률을 보이지만, 이동 및 변형으로 왜곡된 패턴에 대해서는 콘벌루션을 이용한 학습 방법이 인식률과 인식 속도면에 있어서 향상되었음을 알 수 있었다.;Character recognition is one of the fundamental steps in computer vision study. This thesis proposes a new scheme for the recognition of presegmented Hangul characters. Unlike the early reported works which are sensitive to noise and variation, the proposed approach is rather insensitive to those by applying 2 dimensional convolution to learning patterns. In this thesis, Hangul recognition neural network is implemented in the basis of this scheme and recognition rate is analyzed in two cases of learning, which are learning by binary patterns and learning by binary patterns and convoluted patterns together.