Gradient feature extraction method, which is one of the directional feature extraction methods of character strokes, has been proved to be very efficient in various character recognition experiments, and is widely used in character recognition systems. To further enhance discrimination performance of gradient feature, curvature feature has been proposed, and is proved to be effective in handwritten character recognition. Generally, feature extraction operation is applied normalized images. However, features extracted from normalized images are distorted when normalization operation largely deforms character shapes. In order to reduce this distortion, normalization-cooperated feature extraction methods, which extracts features from the original image, have been proposed for directional features such as chaincode features and gradient features. In this research, we propose a normalization-cooperated curvature feature extraction methods which applies normalization-cooperated feature extraction strategy to a curvature feature extraction method. In printed character recognition experiments, the proposed methods were effective especially for normalization methods that largely deform character shapes.%文字線の方向特徴抽出方法の一つである勾配特徴抽出法は、種々の認識実験において有効性が確認されており、広く用いられている。さらに、この勾配特徴と組み合わせて、文字線の曲率特徴を用いる方法が提案されており、認識精度の向上に有効であることが報告されている。これらの特徴抽出処理は、通常、正規化処理によって生成される固定サイズの正規化画像に対して行われる。しかし、正規化は、文字形の大きな変形を伴う場合もあり、正規化画像から抽出される特徴は、この歪みの影響を受けやすい。これを低減するために、入力画像から直接計算した勾配特徴を用いる正規化協調型の輪郭特徴抽出方法や勾配特徴抽出方法が提案されている。本研究では、曲率特徴抽出の際の正規化による歪みを低減させるために、正規化協調型特徴抽出を曲率特徴抽出に適用する方法を提案する。活字認識実験において、非線形正規化法などの文字形の変形を伴う正規化法に対して、提案法が有効であることを確認した。
展开▼
