ALGORITMO PARA O RECONHECIMENTO DE CARACTERES MANUSCRITOS

Ano: 2013 | Volume: 5 | Número: 2

Autores: Rafael Arthur Rocha Miranda, Francisco Assis da Silva, Mário Augusto Pazoti, Almir Olivette Artero, Marco Antonio Piteri

Palavras-chave: reconhecimento de caracteres, OCR, visão computacional

Resumo Português:

O reconhecimento de caracteres manuscritos em imagens digitais é uma importante e desafiadora
área de estudos da Visão Computacional, com possibilidades de muitas aplicações para facilitar o
trabalho do cotidiano das pessoas. Este trabalho apresenta um algoritmo de reconhecimento de
caracteres manuscritos com duas propostas de abordagens. A primeira proposta complementa um
trabalho anterior de alguns dos autores deste artigo, incluindo 290 novos atributos, baseados em
histogramas, Zoning e transformada Hit-or-Miss. A segunda proposta utiliza 79 atributos, obtidos a
partir de informações de frequência, distância borda-caractere e densidades, o qual realiza a
classificação usando uma abordagem baseada em valores máximos e mínimos de cada atributo
para cada tipo de caractere, e uma rede neural Multilayer Perceptron. O grande número de
atributos contribui para uma discriminação mais precisa de caracteres, por outro lado, a extração
destes descritores é fácil, pois realiza a contagem dos pixels. Assim, o tempo de processamento
para a realização dessa tarefa é reduzido. Embora a classificação por meio da rede neural
Multilayer Perceptron tenha apresentado uma taxa de acerto superior, o tempo de
processamento dos limites máximos e mínimos baseado em classificação é menor, permitindo seu
uso em aplicações em situações na qual o tempo de processamento é crítico.

Resumo Inglês:

The handwritten character recognition in digital images is an important and challenging area of
study in Computer Vision, with several possibilities for applications to facilitate the daily work of
the people. This paper presents an algorithm for handwritten character recognition with two
proposed approaches. The first proposal complements earlier work by some of the authors of this
article, including 290 new attributes, based on histograms, Zoning and transformed Hit-or-Miss.
The second proposal uses 79 attributes, obtained from frequency information, distance-edge
character and densities, which performs classification using an approach based on maximum and
minimum values of each attribute for each character type, and a neural network Multilayer
Perceptron. The large number of attributes contributes to a more precise discrimination of
characters, on the other hand, the extraction of these descriptors is easy because only performs
the pixels counting. Thus, the processing time in this task is reduced. Although the classification
using a Multilayer Perceptron neural network achieved a higher hit rate, the processing time of
the maximum and minimum limits based classification is smaller, allowing its use in applications
where the processing time is critical.