Reconocimiento de caracteres Kanji Este reconocimiento ofrece un método de normalización adaptativo y basado en la normalización de los patrones de entrada mediante las transformaciones GAT y LAT. Los patrones de entrada pueden estar escalados, rotados, desplazados, ruidosos, etc.. Es por esto por lo que la normalización adquiere tanta importancia. El proceso de reconocimiento requiere de las siguientes fases:
Caracteres manuscritos Captura de los datos Preprocesamiento Extracción de características y clasificación Normalización por GAT & LAT Resultados del reconocimiento
Reconocimiento de caracteres KanjiCaptura de los datos Para la captura de los datos lo más común es usar un escáner óptico o una cámara digital. Los datos resultantes son representados por píxeles.
Reconocimiento de caracteres Kanji Preprocesamiento
El preprocesamiento a realizar incluye los siguientes aspectos: Reducción de ruido Paso a escala de grises Binarización Tras esto, los píxeles sólo podrán tener dos valores: 0- negro y 1- blanco. Los píxeles negros los llamaremos puntos.
Reconocimiento de caracteres Kanji Extracción de características y clasificación
Guardaremos en un vector las coordenadas de los puntos de la imagen de entrada. Para cada uno de los patrones de referencia tendremos un vector que también contendrá las coordenadas de los píxeles negros.
Reconocimiento de caracteres KanjiNormalización por GAT & LAT
En primer lugar, la transformación GAT(Global Affine Transformation) escala el patrón de entrada y lo compara con cada uno de los patrones de referencia. En segundo lugar, la transformación LAT(Local Affine Transformation) realiza una reforma local sobre cada punto del patrón de entrada.
Reconocimiento de caracteres Kanji GAT (I)
En primer lugar, recorreremos la imagen almacenando los puntos (pixeles negros) en un vector donde almacenamos las coordenadas X e Y. S = {s1, s2, …, si, …,sm} Todos los patrones de referencia también tendrán su vector de puntos. R = {r1, r2, …, ri, …,sn}
Reconocimiento de caracteres Kanji GAT (II)
Debemos normalizar el vector del patrón de entrada antes de compararlo con los patrones de referencia. Para cada punto se hará la siguiente transformación: si * = Asi + b donde A es una matriz 2X2 que representa la rotación y el cambio de escala, y b es un vector que representa a la traslación. Denotaremos el patrón normalizado como:
Reconocimiento de caracteres Kanji GAT (III)
Para el cálculo de la matriz A y del vector b necesitaremos del cálculo de tres coeficientes intermedios:
Reconocimiento de caracteres Kanji GAT (IV)
Conocidos estos coeficientes aplicaremos el siguiente sistema de ecuaciones lineales:
donde ?i,j(D) µi,j(D)/m + ?j,i(D)/n.
Reconocimiento de caracteres Kanji GAT (V)
Aplicamos los resultados del sistema de ecuaciones para hallar las coordenadas del vector S* (s*= Asi+ b). Ahora comparamos dicho vector con el patrón de referencia, extrayendo el valor DNN :
Reconocimiento de caracteres Kanji GAT (VI)
Compararemos el vector S* con cada uno de los patrones de entrada R y aquel patrón cuyo DNN sea el menor será el modelo elegido.
Patrón de entrada Patrones de referencia Resultado obtenido
Reconocimiento de caracteres Kanji Consideraciones
Alto nivel computacional: Número elevado de píxeles negros Número elevado de patrones de referencia Gran importancia de los sistemas de ecuaciones lineales dentro del procesamiento de imágenes. No sólo válido para caracteres orientales sino para cualquier tipo de reconocimiento de caracteres.
Reconocimiento de caracteres Kanji Resultados experimentales
Es más eficaz para caracteres japoneses(Kanji). Depende del grado de complejidad de los patrones de entrada, pero suele acertar en un 90%. En el caso de caracteres occidentales, los resultados son algo peores (80%-90%).
Página anterior | Volver al principio del trabajo | Página siguiente |