Zusammenfassung
Bei der Erkennung von Handschrift unter Verwendung von Hidden Markov Modellen (1DHMM) kommt den Normierungsschritten zur Beseitigung eines möglichst großen Teiles der Schreibervariabilität entscheidende Bedeutung zu. Meist gewährleistet nur eine gute Normierung ausreichend konsistente Merkmalvektoren. Gleichzeitig erweist sich jedoch die Bestimmung einiger Normierungsparameter, namentlich die der Basislinien zur Höhennormierung, als sehr störanfällig. Aus diesem Grund stellen wir einen Ansatz vor, der pseudo zweidimensionale HMM (P2DHMM) verwendet, um eine lokale nichtlineare Anpassung der Spalten des Schriftzuges in vertikaler Richtung zu ermöglichen. Mit der Kombination der P2DHMM mit 1DHMM konnten die Ergebnisse, sowohl auf einer eigenen Stichprobe deutscher Geldbeträge als auch auf einer Stichprobe von 13000 Grundzahlwörtern der Uni Bern, deutlich verbessert werden.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
O.E. Agazzi: “Hidden Markov Model Based Optical Character Recognition in the Presence of Deterministic Transformations” Pattern Recognition, 26 (12), 1993, 1813–1826
R.-D. Bippus et.al.: Erkennung handgeschriebener Scheckbeträge. 18. DAGM Symposium, Heidelberg, September 1996, pp. 209–216
Caesar T., et.al.: “Estimating the Baseline for Written Material.” ICDAR ‘85, Montreal 1995, pp 82–385
Cho W., et. al.: “Modeling and Recognition of Cursive Words with Hidden Marko,v Models”, Pattern Recognition 1995, Vol. 28, No. 12, pp. 1941–1953
Gilloux, M. et. al.: “Markov Model Recognition of Cursive Handwriting”,Fundamentals in Handwriting Recognition, Chateau de Bonas, France 1993, pp. 264–288
Gillox, M.: “Handwritten Digit Recognition Using Markov Meshes”, Proceedings of Int. Workshop on Frontiers in Handwriting Recognition, Taiwan, Dez. 1994, pp 107–114
Guillevec D., Suen C.Y.: “Cursive Script Recognition applied to the Processing of Bank Cheques.” ICDAR ‘85, Montreal 1995, pp 11–14
Gupta, A. et.al.: “An Integrated Architecture for Recognition of Totally unconstrained Handwritten Numerals”, Int. Journal of Pattern Recognition and Artificial Intelligence, Vol. 7, No. 4 (1993) pp. 757–773
Huang X.D., et.al.: “Hidden Markov Models for Spech Recognition.”, Edinburgh University Press, 1990, ISBN 0 7486 0162 7
Kaltenmeier A., Class E, et al.: “Hidden Markov Models-A Unified Aproach to Recognition of Spoken and Written Language.”, DAGM ‘83, pp 191–198
G. Kaufmann, T.M. Ha, H. Bunke: Einsatz eines Pertubationsansatzes für die Erkennung handgeschriebener deutscher Grundzahlwörter. 18. DAGM Symposium, Heidelberg September 1996, pp. 63–70
Lee C.-H.: “A Frame-Synchronous Network Search Algorithm for Connected Word Recognition ” IEEE Transactions on ASSP, Vol. 37, No. 11, Nov. 1989, pp 1649–1658
Pallett, D.S.: “Benchmark Tests for DARPA Resource Management Database Performance Evaluations”, ICASSP’89, Glasgow, 1989, pp 536–539
Chinching Yen, S.-S. Kuo: “Degraded Gray-Scale Text Recognition Using Pseudo-2D Hidden Markov Models and N-Best Hypotheses.”, Graphical Models and Image Processing 1995, Vol. 57, No. 2, pp. 131–145
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1997 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Bippus, RD. (1997). Pseudo zweidimensionale HMM zur Erkennung handgeschriebener Beträge. In: Paulus, E., Wahl, F.M. (eds) Mustererkennung 1997. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-60893-3_25
Download citation
DOI: https://doi.org/10.1007/978-3-642-60893-3_25
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-63426-3
Online ISBN: 978-3-642-60893-3
eBook Packages: Springer Book Archive