Zusammenfassung
In diesem Bericht präsentieren wir ein neuartiges Merkmalsextraktionsverfahren sowie einen Hidden-Markov-Modell (HMM) basierten Klassifizierer für die rotations-, translations-, und skalierungsunabhängige Erkennung von handskizzierten Piktogrammen. Die Merkmalsvektoren werden dabei in einem festen Winkelabstand entlang der Verbindungslinie zwischen dem Schwerpunkt und einem das Piktogramm einschließenden Kreis entnommen. Für die Erkennung werden HMM-Techniken verwendet, die es ermöglichen, neben dem Klassifikationsergebnis auch einen Schätzwert für den Rotationswinkel anzugeben. Die Evaluierung der vorgestellten Methoden erfolgt mittels zweier großer Piktogramm-Datenbasen, die jeweils aus 20 Klassen bestehen und deren Klassenelemente durch die handschriftliche Eingabe große Formvariationen aufweisen. Die erzielten Erkennungsraten liegen über 99% und sind denen, die mit Momentenmethoden in Kombination mit neuronalen Netzen erzielt wurden, überlegen. Als Beispiel für eine mögliche Anwendung der vorgestellten Techniken wird ein experimentelles Bilddatenbanksystem vorgestellt, das intuitiv über Skizzen des Benutzers angefragt werden kann.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
J. Wood, „Invariant Pattern Recognition: A Review“, Pattern Recognition, Vol. 29, No. 1, 1996, pp. 1–17.
Y. He and A. Kundu, „2-D Shape Classification Using Hidden Markov Model“, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 13, No. 11, 1991, pp. 1172–1184.
S. Lee and B. Lovell, „Modelling and Classification of Shapes in Two-Dimensions Using Vector Quantisation“, Proc. IEEE-ICASSP, Vol. 5, 1994, pp. 141–144.
L.R. Rabiner, „A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition“, Proc. IEEE, Vol. 77, No. 2, Feb. 1989, pp. 257–286.
K. S. Nathan, J. R. Bellegarda, D. Nahamoo and E. J. Bellegarda, „On-line Handwriting Recognition Using Continuous Parameter Hidden Markov Models“,Proc. IEEE-ICASSP, Vol. 5, 1993, pp. 121–124.
H.-C. Lin, L.-L. Wang and S.-N. Yang, „Color Image Retrieval Based on Hidden Markov Models“, IEEE Transactions on Image Processing, Vol. 6, No. 2, Feb. 1997, pp. 332–339.
S. Müller, G. Rigoll, A. Kosmala and D. Mazurenok, „Recognition of Hand-Drawn Pictograms Using HMMs with a Rotating Feature Extraction“, Intern. Workshop on Frontiers in Handwriting Recognition, Taejon, Korea, 1998.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1998 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Müller, S., Rigoll, G., Mazurenok, D., Willett, D. (1998). Invariante Erkennung handskizzierter Piktogramme mit Anwendungsmöglichkeiten in der inhaltsorientierten Bilddatenbankabfrage. In: Levi, P., Schanz, M., Ahlers, RJ., May, F. (eds) Mustererkennung 1998. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-72282-0_29
Download citation
DOI: https://doi.org/10.1007/978-3-642-72282-0_29
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-64935-9
Online ISBN: 978-3-642-72282-0
eBook Packages: Springer Book Archive