Abstract

In this paper, in order to find effective features which can handle variations in off-line handwritten numerals, we performed a comparative study on various sets of features. Results of experimental performance comparison shows that 4- directional features using contours and features which combined cross distance, cross, mesh and projection features are very effective for off-line handwritten numerals recognition in terms of recognition rates and recognition time. And in order to surmount limitation of recognition rate by a single neural network. we proposed a modularized neural network using majority voting and reliability factor with complex feature that mix effective features together. In order to verify the performance of the proposed method, the handwritten numeral databases of Concordia University of Canada and Dong-A University of Korea are used in the experiments. With the database of Concordia University, the recognition rate of 97.1%, the rejection rate of 1.5%, the error rate of 1.4% and the reliability of 98.5% are obtained ; and with the database of Dong-A University, there cognition rate of 98%, the rejection rate of 1.2%, the error rate of 0.8%, the reliability o99.1% are obtained.

본 논문에서는 오프라인 필기체 숫자의 변형을 흡수할 수 있는 효과적인 특징을 찾기 위해서 여러 가지 특징의 성능을 비교하였다. 실험적인 성능 비교 결과는 윤곽 선을 이용한 4방향성 특징 그리고 교차 거리＋교차＋망＋투영 특징이 오프라인 필기체 숫자 인식에서 인식률과 인식 시간측면에서 효과적인 것으로 나타났다. 그리고 단일 신경회로망에서 인식률의 한계점을 극복하기 위하여 효과적인 특징을 조합한 복합특징 으로 다수결투표와 신뢰도 지수를 이용한 모듈화된 신경회로망을 제안한다. 제안된 방식의 성능을 검증하기 위해서 캐나다의 Concordia 대학교와 한국의 Dong-A 대학교 오프라인 필기체 숫자 데이터베이스에 대하여 실험을 하였다. Concordia 대학교의 데이터 베이스는 97.1%의 정인식률, 1.5%의 기각률, 1.4%의 오인식률 그리고 98.5%의 신뢰도가 나타났으며, Dong-A 대학 교의 데이터 베이스는 98%의 정인식률, 1.2%의 기각률, 0.8%의 오인식률 그리고 99.1%의 신뢰도가 나타났다.

Keywords