• 한국통신학회논문지
• /
• 제18권9호
• /
• pp.1358-1367
• /
• 1993

전적으로 수입에 의존하는 마크판독장치(OMR : Optical Mark Reader)와 문자판독장치(OCR : Optical Character Reader)는 Line scan 방식으로 급지장치가 복잡하며 용지에 제한을 받는 등의 단점을 갖는다. 본 논문에서는 새로운 방식인 CCD카메라와 디지타이져를 입력장치로 하여 영상처리와 패턴인식에 근거한 마크와 숫자를 동시에 실시간 인식 가능한 일명 OMCR(Optical Mark and Character Reader) 시스템을 연구, 개발하였다. 또한 착오에 의하여 마크를 잘못 기입함으로써 발생할 수 있는 문제점을 개선하기 위한 표기방법으로 마크 대신에 제한된 7-segment의 및 필기체 숫자형식을 본 논문에서 제안하였다. 대학의 입학원서, 입시답안지, 수강신청, 성적평가표 및 주소에 대한 수만장의 마크용지와 영수증에 포함된 40개 이내인 인쇄체 숫자부분에 대한 문자용지를 실험대상으로 하였다. 실험결과, 마크용지와 문자용지 모두 판독 에러없이 초당 3~4장의 실시간 판독이 가능하였으며 line scan 방식의 OMR이나 OCR이 갖는 단점을 해결하였음을 입증하였다.

• 한국정보통신학회논문지
• /
• 제23권9호
• /
• pp.1070-1075
• /
• 2019

본 논문은 영상에서 숫자열을 검출하고 숫자열을 구성하고 있는 숫자들을 분할하여 숫자 인식 시스템을 위한 입력 숫자 영상을 생성하는 알고리즘을 제안하고 있다. 제안된 알고리즘은 블랍 검출을 통해 블랍화된 숫자열을 검출하고, 검출된 블랍 정보를 이용해 숫자열 영역을 지정하고, 숫자열 기울어짐을 보정한다. 그리고 제안된 알고리즘은 본 논문에서 새롭게 정의된 세 종류의 CPgraph을 이용해 숫자 기울어짐을 보정하고, 보정된 숫자열에서 숫자 분할을 위한 경계 지점을 결정한다. 일정 영역의 폰트 크기로 인쇄된 숫자열을 포함하는 영상 그룹과 필기체 숫자열을 포함하는 영상 그룹을 이용한 숫자 분할 실험에서 제안된 알고리즘 각 영상 그룹에서 100%와 90% 이상의 숫자들을 성공적으로 분할하고 있다.

• 한국정보통신학회논문지
• /
• 제10권2호
• /
• pp.398-405
• /
• 2006

인간은 관심을 가지고 있는 영역(ROI)에 대하여 선택적으로 주의를 집중하여 사물의 특징 을 인식하게 된다. 본 연구에서는 이러한 인간의 선택적 지각 능력을 적용한 패턴 분류 모델을 제안한다. 먼저 일반적인 클러스터링 알고리즘에 의해 입력 패턴들을 대략적으로 분류하여 참조 클러스터 패턴을 형성하고, 생성된 클러스터의 참조 패턴들을 상호 연관시켜 선택적 지각맵(SPM : Selective Perception Map)을 구성한다. 패턴 분류 및 인식 과정에서는 생성된 SPM을 입력 패턴과 참조 패턴과의 거리 계산에서 가중치로 적용함으로써 인간의 선택적 지각 능력을 패턴 분류에 반영하게 된다. 다양하게 변형된 인쇄체 숫자 및 필기체 숫자 데이터(MNIST)를 통해 실험해 본 결과 SPM을 사용한 패턴 분류 모델이 효과적임을 증명하였다.

• 전자공학회논문지CI
• /
• 제40권5호
• /
• pp.266-279
• /
• 2003

본 논문에서는 문자의 형식정보를 이용하여 인식대상 문자군을 분할하여 인쇄체 문자를 인식하는 방법을 제안한다. 인식대상 문자를 전체 7개의 형식으로 나누는데, 한글 문자의 경우 자소 조합 방식에 따라 6개의 형식으로 분류하며, 영·숫자 및 기호 문자의 경우 1개의 형식으로 분류한다. 각 문자형식에 따라 입력 문자 영상을 몇 개의 인식단위로 나누고, 이에 대한 방향각도 특징을 추출하여 신경망 인식기에 입력하여 인식한 후 인식된 각 인식단위를 조합하여 문자인식을 한다. 각각 구현된 7가지 형식별 문자인식기를 단순 스위칭 및 통합 방법과 두 방법의 변형 방법 등 7가지의 방법으로 결합하여 최종 문자인식을 하였다. 실험 결과, 단순 스위칭 방법은 98.62%, 단순 통합 방법은 90.54%, 나머지 5가지의 변형 방법들이 97.35%에서 98.65%의 인식 성능을 보였다.

• 전자공학회논문지B
• /
• 제32B권10호
• /
• pp.1347-1357
• /
• 1995

In this paper, we describe a modularized neuroclassifier for enhancing the recognition accuracy of mixed printed and handwritten numerals. This classifier combines four modularized subclassifiers using multi-layer perceptron module. The input of each subclassifier is comprised of a group of specialized feature sets. On applying this method to combining several subclassifiers for unconstrained handwritten numerals, the experimental result shows that the performance of individual subclassifier can be improved. In winner-take-all voting method, the result of subclassifier having the highest RF value is selected as the output. The generality of this classifier is tested with 1,080 printed and 3,000 handwritten numerals that was not shown in training the neural networks. Experimental results show 98.2% recognition rate. The typical recognition test with a threshold value(RF=1.5) has shown 97% recognition, 1% substitution and 2% rejection rates.