Procjena perspektive u procesu optičkog prepoznavanja teksta

master's thesis

• Title (english): Perspective estimation for optical character recognition
• Author: Miranda Kreković
• Mentor: Sven Lončarić (mentor)
• Committee member: Sven Lončarić (predsjednik povjerenstva)
• Committee member: Marko Subašić (član povjerenstva)
• Committee member: Zvonko Kostanjčar (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2014-07-01, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Optičko prepoznavanje teksta predmet je dugotrajnog istraživanja i razvoja u području obrade slike. Zbog široke i raznolike primjene sustava za optičko prepoznavanje teksta, kao primjerice u bankovnim aplikacijama ili aplikacijama koje pomažu slijepim osobama, vrlo je važna njihova točnost i pouzdanost. Stoga se u posljednje vrijeme sve više pažnje posvećuje algoritmima koji pripadaju postupku predobrade ulazne slike čiji je zadatak sliku prilagoditi na način da daljnja analiza omogući najveću točnost prepoznavanja teksta, odnosno što kvalitetniju detekciju i segmentaciju slova. Postupci obrade implementirani u ovome radu uključuju poboljšanje i segmentaciju slike, te određivanje točne orijentacije i perspektive teksta na slici.
Poboljšanje slike sastoji se od pretvorbe ulazne slike u crno-bijelu korištenjem adaptivnog praga, te primjene morfoloških operacija kako bi obrisi slova bili što pravilnijih oblika. Nakon toga slijedi algoritam koji koristi projektivnu transformaciju za procjenu perspektive teksta na slici te njeno ispravljanje. U radu su opisane i implementirane tri različite metode za ispravljanje vertikalnih iskrivljenja, od kojih jedna pokazuje izvrsne rezultate i za vrlo velike promjene perspektive originalne slike. Primjenom opisanog algoritma na ulaznu sliku prije samog postupka za prepoznavanje znakova, točnost OCR-a raste i za 100%.

Abstract (english)

Optical character recognition is the subject to long-term research and development in the field of image processing. Due to wide and diverse applications of optical character recognition systems, such as in banking applications and applications that help blind people, the accuracy and reliability of those systems is very important. Therefore, in recent years more and more attention is paid to algorithms used for preprocessing the input image because their task is to adjust the input image so that further analysis enables the highest accuracy of text recognition. Preprocessing procedures implemented in this work include image enhancement and segmentation, as well as the calculation of correct text orientation and perspective in the image.
The first step, image enhancement and segmentation, consists of the converting the input image to black and white using an adaptive threshold, and the application of morphological operations. The aim of their use is to improve the contours of the letters and make their shape more regular. This is followed by the algorithm that uses projective transformation for estimating and correcting the perspective of the text in the image. In this paper are described and implemented three different methods to correct vertical distortions, one of which shows excellent results for very large changes in the perspective of the original image. Applying the algorithm described in this paper to the input image, before the procedure for character recognition, OCR accuracy increases by 100%.

• Keywords: optičko prepoznavanje teksta; određivanje nepromijenjenog praga; određivanje adaptivnog praga; projektivna transformacija; matrica homografije; Houghova transformacija
• Keywords (english): optical character recognition; global threshold; adaptive threshold; projective transformations; homography matrix; Hough transform
• Language: croatian
• URN:NBN: urn:nbn:hr:168:975418
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2018-02-06 09:54:13