Zurück zur Hompage der Cowan!S. Behnke, M. Pfister*, R. Rojas
Martin-Luther-Universität Halle, * Siemens AG
Der Beitrag stellt ein Off-Line-Verfahren zur Erkennung handgeschriebener Ziffern vor. Das Verfahren extrahiert qualitative und quantitative Merkmale aus dem Pixelbild der Ziffer, anhand derer anschliessend die Klassifikation erfolgt. Zunächst wird die zu erkennende Ziffer mittels eines Rangordnungs-Operators skelettiert und in eine Linienzug-Darstellung überführt. In dieser vektoriellen Darstellung werden dann Teilkurven gefunden und zu Kurven verbunden. Diese Kurvendarstellung ermöglicht eine strukturelle Analyse der Ziffer mittels Graph-Matching. Jedem relevanten Struktur-Graphen ist nun ein neuronaler Klassifikator zugeordnet, welcher strukturgleiche Ziffern anhand quantitativer Merkmale, wie z.B. Längen und lokale Winkel einzelner Kurven, voneinander unterscheidet. Die praktische Leistungsfähigkeit des Verfahrens wurde anhand einer grossen Datenmenge (ca. 10.000 Ziffern, von der Siemens AG zur Verfügung gestellt) getestet. Die Resultate werden vorgestellt und mit den Ergebnissen verschiedener anderer Klassifikatoren verglichen.