Recognition of Printed Hangeul Characters Based on the Stable Structure Information and Neural Networks

안정된 구조정보와 신경망을 기반으로 한 인쇄체 한글 문자 인식

In this paper, we propose an algorithm for character recognition using the subdivided type and the stable structure information. The subdivided type of character is acquired from the stable structure information of character which is extracted from an input character. Firstly, the character is obtained from a scanner and classified into on of 6 types by using directional density vector. And then, the stable structure information is extracted from each character and the character is subdivided into on of 26 types. Finally, the classified character is recognized by using neural network which is inputted the directional density vector equivalent to JASO area or recognized direct. Aa a result of experiment with KS C 5601 2350 printed Hangeul characters, we obtain the recognition rate of 94%.

본 논문에서는 입력된 문자에서 비교적 안정적 구조특징을 추출하고 이 구조정보를 이용하여 문자를 좀 더 세부적인 유형으로 분류한 후 인식을 행하는 문자 인식 방법을 제안한다. 본 방법은 우선 한글 문자를 스캐너로 입력받아 방향코드화하고 방향코드화된 문자로부터 방향밀도벡터를 추출하여 기본 6형식으로 분류한다. 그리고 기본형식 정보에 의해 각 문자로부터 안정된 구조특징을 추출하고 안정된 구조특징을 이용해 26가지 형태의 세부유형으로 분류하여 각 해당 자소 영역의 방향밀도벡터를 신경망에 입력하여 인식하거나 직접 해당 자소의 인식을 행한다. 한글 KS C 5601의 2350자에 대해 실험한 결과 94%의 인식률을 얻어 본 방법의 유효성을 확인할 수 있었다.