In this thesis, we propose a fast lexicon-driven Hangul word recognition scheme by combination of feature selection and lexicon reduction.
Given a lexicon, a hierarchical activation network composed of feature, grapheme, letter, and word nodes are generated. Recognition of a word image is performed by activating the network with only necessary features and reducing the candidate words.
In the bottom-up process, the network is activated by the extracted feature and the candidate word nodes are reduced according to their activations. The degree of activation of each node is determined by the existence and the positional similarity of the feature. The top-down process dynamically selects a feature that can most efficiently reduce the set of candidate words. Combining the top-down and the bottom-up processes, a word image can be recognized by extracting small number of features that are necessary to classify candidate words in lexicon.
From the experiment using 117 postal word images with a 39-word lexicon, high speed as well as high recognition accuracy was achieved compared with the method that uses all features to recognize a word.
본 논문에서는 특징 선택과 후보 단어 축소에 의해 제한된 어휘의 한글 단어를 고속으로 인식하는 방법론을 제안한다. 단어 사전이 주어지면 특징, 자모, 낱자, 단어로 이루어진 계층적인 activation network을 생성하게 되고, 단어 영상으로 부터 추출한 특징에 의해 activation network을 자극하여 후보를 단계적으로 축소 함으로써 인식이 수행된다. 상향식 과정에서는 추출된 특징에 의해 activation network의 각 노드를 자극하여 후보 단어를 축소하고 하향식 과정에서는 후보 단어를 구분하기 위한 최적의 특징을 동적으로 선택하는 일을 수행한다. 상향식과 하향식 과정을 결합함으로써 단어 영상으로부터 일부의 특징만을 분석하여 전체 단어를 고속으로 인식할 수 있다. 39개의 주소 단어로 이루어진 사전에 해당하는 117개의 단어 영상을 제안한 방법으로 인식 실험을 수행한 결과 높은 인식율과 함께 고속의 성능을 나타냈다.
