Schrifterkennung

  

Abbildung 5.1: Schriftzug und Erkennungsergebnis

Der erste Schritt unserer Aktivitäten war die Entwicklung von ,,COGNITUS``, einer Erkennungssoftware, die auf leistungsfähigen hierarchischen Nächste-Nachbar-Klassifikationsverfahren basiert. Diese erlauben es, eine große Vielfalt von Schriftarten abzudecken und sehr niedrige Fehlerraten zu erzielen. In einfachen Fällen wird dabei eine Klassifikation durch Vergleich des zu lesenden Zeichens mit einigen wenigen Prototypen vorgenommen, während nur in Zweifelsfällen aufwendigere Operationen eingesetzt werden, um ein höchstes Maß an Sicherheit zu garantieren. Auf diese Weise können etwa 350 Ziffern pro Sekunde bei einer Fehlerrate von nur 0.5% erkannt werden. In enger Zusammenarbeit zwischen der Segmentierungs-, Klassifizierungs- und Kontextkorrektureinheit wird anschließend die global wahrscheinlichste Interpretation ermittelt, wodurch eine sehr hohe Zuverlässigkeit erreicht wird. Das Programm wurde zunächst zur Erfassung hand- und maschinengeschriebener Überweisungsformulare entwickelt, ist jedoch leicht vom Benutzer auf andere Anwendungen anpaßbar. Durch eine effiziente Implementierung wird eine hohe Verarbeitungsleistung von etwa fünf Formularen pro Sekunde auf einem Pentium Prozessor erreicht. Für noch höhere Leistungsanforderungen ist der Einsatz von Parallelrechnern problemlos möglich. Die Entwicklung von ,,COGNITUS`` ist weitgehend abgeschlossen.

 

Abbildung 5.2: Ergebnis des Skelettierungsverfahrens

Im Rahmen dieser Entwicklung ist an unserem Lehrstuhl im Berichtszeitraum eine Promotionsarbeit angefertigt worden, die sich auf das Teilproblem der dynamischen Segmentierung konzentriert. Hier geht es um die Aufteilung des Dokumentes in einzelne Zeichen. Sie stellt ein grundlegendes Problem bei der Handschriftenerkennung dar. Reicht es bei Maschinenschriften noch aus, das Bild in Zusammenhangskomponenten aufzulösen und lediglich in einigen Fällen sich berührende Zeichen durch eine senkrechte Linie zu trennen, so ist die Situation bei Handschriften im Normalfall viel komplizierter. Es ist nötig, zuerst die morphologische Grundstruktur der Zeichen zu erfassen. Dazu wurde eine neues Skelettierungsverfahren entwickelt, das gegenüber Rauschen sehr robust ist und an die Auflösung der Zeichen angepasst werden kann. Skelettierungsverfahren reduzieren die Zeichen zunächst auf Linien von einem Pixel Breite. Danach zerlegt man die Zeichenfolgen in ihre topologischen Bestandteile (d. h. die einzelnen Linienstücke). Der darauf folgende Schritt des Schrifterkennungsverfahrens fügt nun diese elementaren Bestandteile zu Gruppen zusammen, die jeweils einem Buchstaben entsprechen. In vielen Fällen müssen dabei mehrere Möglichkeiten der Gruppierung generiert und anschließend mit dem Buchstabenerkenner ausgewertet werden, um die beste Zerlegung zu ermitteln. Dies stellt sicher, daß auch Zeichen, die sich überlappen, noch richtig erkannt werden, und damit ein optimales Erkennungsergebnis erreicht wird.

 

Abbildung 5.3: Rekombinationsmöglichkeiten des Monatsfeldes aus Bild (5.1)