Though Hough transform has already

Though Hough transform has already been used by the research community for extracting the standard shapes within an image, its immense potential in line and word segmentations are utilised in the current work. The computational complexity is reduced by properly choosing
the direction of segmentation in the document image simply by tuning the Hough parameters. When applied over a large variety of document image dataset, during the process of line segmentation the current work has successfully segmented 88% lines, over segmented 10% lines and under segmented 2% lines. Though the rate of under segmentation is low but there is considerable
amount of over segmentation of line mainly because of the large and non-uniform separation of some of the words in handwritten document images. During word segmentation process the current method successfully segmented 85.7% words, over segmented 12.1% words and under segmented 2.2% words. Here also the nonuniformity of the inter-character spacing in a word makes some of the words over segmented in case of handwritten document images. It is observed that in some of the cases of handwritten document images the inter-character spacing is than the inter-word spacing. The algorithm fails to segment properly in case of very closely spaced lines. Some technique must be used as a post processing step to isolate touching text lines in the Hough image. The binarization may also play a crutial role in the process of segmentation. A good binarization technique may eliminate some of the document image segmentation problems. In case of BCR images more emphasis is given in word segmentation rather than line segmentation. The current technique has successfully segmented 94.6% words, over segmented 4.4% words and under segmented 1% words. The result appears to be very encouraging in automatic processing of business cards for database entry as it is providing higher accuracy even if there is huge variation of printed texts within the business cards. In case of LPR images according to the preimposed condition the intention was to segment the license plates of the vehicles from the surveillance camera image, the efficiency is calculated in terms of finding the license plate in the image as a text segment. The current technique successfully localizes 85.5% true license plates only. In 10% cases it localizes other text regions along with the license plate characters and in 4.5% cases it localizes texts other than the license plate characters. If the preimposed condition of finding the license plate only from the image is removed and the objective is to find any text within an
image then the efficiency of the proposed technique reaches 88%. As the proposed technique is mainly for segmentation of texts from the images, this result appears to be quite satisfactory as the general text segments appearing along with the license plate segment can be easily
removed from further consideration by incorporating a post processing module in the LPR system.
All the aforementioned results show that the proposed technique can be efficiently utilized in case of various domains of image segmentation which will be subsequently used in various domain specific OCR systems.

ผลลัพธ์ (ไทย) 1:

ว่าแปลง Hough ได้ถูกใช้ โดยชุมชนการวิจัยสำหรับการแยกรูปร่างมาตรฐานภายในรูปภาพ ศักยภาพอันยิ่งใหญ่ใน segmentations บรรทัดและคำที่ใช้ในการทำงานปัจจุบัน ลดความซับซ้อนเชิงคำนวณ โดยเลือกได้อย่างถูกต้องทิศทางของการแบ่งในรูปของเอกสารโดยการปรับพารามิเตอร์ Hough เมื่อกับความหลากหลายของชุดข้อมูลภาพเอกสาร ในการแบ่งสาย งานปัจจุบันมีเรียบร้อยแล้วแบ่งส่วนบรรทัด 88% ผ่านแบ่งส่วนบรรทัด 10% แล้วใต้แบ่งส่วนบรรทัด 2% แม้ว่าภายใต้การแบ่งเซกเมนต์มีต่ำ แต่มีมากamount of over segmentation of line mainly because of the large and non-uniform separation of some of the words in handwritten document images. During word segmentation process the current method successfully segmented 85.7% words, over segmented 12.1% words and under segmented 2.2% words. Here also the nonuniformity of the inter-character spacing in a word makes some of the words over segmented in case of handwritten document images. It is observed that in some of the cases of handwritten document images the inter-character spacing is than the inter-word spacing. The algorithm fails to segment properly in case of very closely spaced lines. Some technique must be used as a post processing step to isolate touching text lines in the Hough image. The binarization may also play a crutial role in the process of segmentation. A good binarization technique may eliminate some of the document image segmentation problems. In case of BCR images more emphasis is given in word segmentation rather than line segmentation. The current technique has successfully segmented 94.6% words, over segmented 4.4% words and under segmented 1% words. The result appears to be very encouraging in automatic processing of business cards for database entry as it is providing higher accuracy even if there is huge variation of printed texts within the business cards. In case of LPR images according to the preimposed condition the intention was to segment the license plates of the vehicles from the surveillance camera image, the efficiency is calculated in terms of finding the license plate in the image as a text segment. The current technique successfully localizes 85.5% true license plates only. In 10% cases it localizes other text regions along with the license plate characters and in 4.5% cases it localizes texts other than the license plate characters. If the preimposed condition of finding the license plate only from the image is removed and the objective is to find any text within animage then the efficiency of the proposed technique reaches 88%. As the proposed technique is mainly for segmentation of texts from the images, this result appears to be quite satisfactory as the general text segments appearing along with the license plate segment can be easilyremoved from further consideration by incorporating a post processing module in the LPR system.All the aforementioned results show that the proposed technique can be efficiently utilized in case of various domains of image segmentation which will be subsequently used in various domain specific OCR systems.

ผลลัพธ์ (ไทย) 2:

แม้ว่า Hough เปลี่ยนได้ถูกนำมาใช้โดยการวิจัยชุมชนสำหรับการแยกรูปทรงมาตรฐานภายในภาพศักยภาพอันยิ่งใหญ่ในสายและการแบ่งกลุ่มคำที่ใช้ในการทำงานในปัจจุบัน ซับซ้อนของการคำนวณจะลดลงอย่างถูกต้องในการเลือก
ทิศทางของการแบ่งส่วนในภาพเอกสารเพียงโดยการปรับพารามิเตอร์ Hough เมื่อใช้กับความหลากหลายของชุดภาพเอกสารในระหว่างขั้นตอนของการแบ่งส่วนเส้นการทำงานในปัจจุบันได้มีการแบ่งสายการประสบความสำเร็จ 88% กว่าเส้นแบ่ง 10% และอยู่ภายใต้เส้นแบ่ง 2% แม้ว่าอัตราของการแบ่งส่วนภายใต้อยู่ในระดับต่ำ แต่มีมาก
จำนวนกว่าการแบ่งส่วนของสายส่วนใหญ่เป็นเพราะการแยกขนาดใหญ่และนอกเครื่องแบบของบางส่วนของคำในภาพเอกสารที่เขียนด้วยลายมือ ในระหว่างขั้นตอนการแบ่งส่วนคำว่าวิธีการที่ประสบความสำเร็จในปัจจุบันแบ่ง 85.7% คำมากกว่าแบ่ง 12.1% และคำภายใต้การแบ่ง 2.2% คำ ที่นี่ยัง nonuniformity ของระยะห่างระหว่างตัวอักษรในคำที่ทำให้บางส่วนของคำพูดมากกว่าแบ่งในกรณีของภาพเอกสารที่เขียนด้วยลายมือ มันถูกตั้งข้อสังเกตว่าในบางส่วนของกรณีของภาพเอกสารที่เขียนด้วยลายมือระยะห่างระหว่างตัวละครกว่าระยะห่างระหว่างคำ ขั้นตอนวิธีการล้มเหลวในการอย่างถูกต้องส่วนในกรณีของสายการเว้นระยะห่างอย่างใกล้ชิด เทคนิคบางอย่างต้องใช้เป็นขั้นตอนการประมวลผลการโพสต์ที่จะแยกเส้นข้อความสัมผัสในภาพ Hough Binarization นอกจากนี้ยังอาจมีบทบาท crutial ในกระบวนการของการแบ่งส่วน เทคนิค Binarization ดีอาจกำจัดบางส่วนของปัญหาการแบ่งส่วนภาพเอกสาร ในกรณีของภาพ BCR เน้นมากขึ้นจะได้รับในการตัดคำมากกว่าการแบ่งส่วนบรรทัด เทคนิคในปัจจุบันได้ประสบความสำเร็จแบ่ง 94.6% คำพูดมากกว่าคำแบ่ง 4.4% และอยู่ภายใต้คำแบ่ง 1% ผลที่ดูเหมือนจะเป็นกำลังใจที่ดีในการประมวลผลอัตโนมัติของนามบัตรสำหรับรายการฐานข้อมูลในขณะที่มันจะให้ความถูกต้องสูงถึงแม้ว่าจะมีการเปลี่ยนแปลงใหญ่ของตำราที่พิมพ์ภายในนามบัตร ในกรณีของภาพ LPR ตามสภาพ preimposed ความตั้งใจที่จะเป็นส่วนแผ่นป้ายทะเบียนของยานพาหนะจากภาพกล้องเฝ้าระวังที่มีประสิทธิภาพที่มีการคำนวณในแง่ของการหาแผ่นป้ายทะเบียนในภาพเป็นส่วนข้อความ เทคนิคการประสบความสำเร็จในปัจจุบัน localizes 85.5% แผ่นป้ายทะเบียนที่แท้จริงเท่านั้น ในกรณี 10% มัน localizes ภูมิภาคข้อความอื่น ๆ พร้อมกับตัวอักษรป้ายทะเบียนและในกรณีที่ 4.5% มัน localizes ข้อความอื่น ๆ กว่าตัวอักษรป้ายทะเบียน หากสภาพ preimposed ในการหาแผ่นป้ายทะเบียนเท่านั้นจากภาพที่ออกและวัตถุประสงค์ที่จะพบข้อความใด ๆ ภายใน
ภาพแล้วประสิทธิภาพของเทคนิคที่นำเสนอถึง 88% เป็นเทคนิคที่นำเสนอเป็นส่วนใหญ่สำหรับการแบ่งส่วนของข้อความจากภาพผลนี้ดูเหมือนจะเป็นที่น่าพอใจมากเป็นกลุ่มข้อความทั่วไปปรากฏพร้อมกับส่วนแผ่นป้ายทะเบียนได้อย่างง่ายดาย
ลบออกจากการพิจารณาต่อไปโดยการผสมผสานโมดูลการประมวลผลการโพสต์ในระบบ LPR .
ทุกผลดังกล่าวแสดงให้เห็นว่าเทคนิคที่นำเสนอสามารถนำไปใช้ประโยชน์ได้อย่างมีประสิทธิภาพในกรณีของโดเมนต่างๆของการแบ่งส่วนภาพซึ่งจะถูกนำมาใช้ในระบบ OCR โดเมนเฉพาะต่างๆ