Tài liệu Nghiên cứu phương pháp nhận dạng chữ viết tay hạn chế bằng mô hình svm support vector machines

.. §¹i häc Th¸i Nguyªn tr-êng ®¹i häc c«ng nghÖ th«ng tin vµ truyÒn th«ng nguyÔn quang huy nghiªn cøu ph-¬ng ph¸p nhËn d¹ng ch÷ viÕt tay h¹n chÕ b»ng m« h×nh svm (support vector machines) LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên - 2014 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ §¹i häc Th¸i Nguyªn tr-êng ®¹i häc c«ng nghÖ th«ng tin vµ truyÒn th«ng nguyÔn quang huy nghiªn cøu ph-¬ng ph¸p nhËn d¹ng ch÷ viÕt tay h¹n chÕ b»ng m« h×nh svm (support vector machines) Chuyªn ngµnh: KHOA HỌC MÁY TÍNH M· sè: 60 48 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Ng-êi h-íng dÉn khoa häc: PGS-TS. NGÔ QUỐC TẠO Thái Nguyên - 2014 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ i LỜI CÁM ƠN Để đạt đƣợc những kết quả trong quá trình nghiên cứu luận văn, học viên xin chân thành cảm ơn thầy PGS. TS Ngô Quốc Tạo luôn tận tình chỉ bảo, hƣớng dẫn và giúp đỡ em trong suốt quá trình làm luận văn. Học viên xin cảm ơn các thầy cô giáo trƣờng Đại học Công nghệ thông tin và Truyền thông đã hƣớng dẫn và tạo điều kiện cho em trong suốt thời gian học tập tại trƣờng. Học viên xin chân thành cảm ơn các thầy giáo trong Hội đồng xét duyệt luận văn tốt nghiệp lớp cao học CK11A năm 2014 - Đợt 1 đã nhận xét và góp ý để bài luận văn của em đƣợc hoàn thiện hơn. Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ ii LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Nghiên cứu phương pháp nhận dạng chữ viết tay hạn chế bằng mô hình SVM (Support Vector Machines)” là do tôi tự nghiên cứu và hoàn thành dƣới sự hƣớng dẫn của PGS-TS. Ngô Quốc Tạo. Các kết quả đạt đƣợc trong quá trình nghiên cứu là hoàn toàn trung thực và khách quan. Tôi xin chịu trách nhiệm về những lời cam đoan trên. Thái Nguyên, ngày 05 tháng 05 năm 2014 Ngƣời cam đoan Học viên Nguyễn Quang Huy Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ iii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Thuật ngữ, Giải thích chữ viết tắt SVM Support Vector Machine (Máy véc tơ hỗ trợ) MMH Maximum Marginal Hyperplane (Siêu phẳng có biên độ lớn nhất) HMM Markov Model (Mô hình Markov ẩn) Kernel Hàm nhân Bộ mẫu chữ số viết tay NIST - Viện Công nghệ và Tiêu chuẩn Quốc MNIST gia Hoa Kỳ (National Institute of Standard and Technology of the United States) NN Neuron Network (Mạng nơ ron) OCR Optical Character Recognition (nhận dạng chữ quang học) QP Quadratic Programing (quy hoạch toàn phƣơng) USPS United States Postal service VC Vapnik – Chervonenkis Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ iv DANH MỤC CÁC HÌNH Hình 1.1. Các giai đoạn trong quá trình xử lý và nhận dạng ảnh ...................................... 7 Hình 1.2. Nhị phân hóa ảnh ............................................................................................... 8 Hình 1.3. Nhiễu đốm và nhiễu vệt ..................................................................................... 8 Hình 1.4. Chuẩn hóa kích thƣớc ảnh các ký tự “A” và “P” .............................................. 8 Hình 1.5. (a) Ảnh gốc, (b) Ảnh sau khi đƣợc làm trơn biên ............................................. 9 Hình 1.6. Làm mảnh chữ ................................................................................................... 9 Hình 1.7. Hiệu chỉnh độ nghiêng của văn bản ................................................................ 10 Hình 1.8. Tách dòng chữ dựa trên histogram theo chiều ngang của khối chữ ................ 10 Hình 1.9. Xác định khoảng cách giữa hai kí tự và giữa hai từ dựa trên histogram theo chiều thẳng đứng của dòng chữ ....................................................................................... 11 Hình 1.10. Mô hình mạng nơron nhân tạo ...................................................................... 17 Hình 1.11. Mô hình mạng MLP 3 lớp ............................................................................. 17 Hình 1.12. Phân lớp bằng mạng nơron ............................................................................ 18 Hình 1.13. a) Các lớp phân tách tuyến tính b)Siêu phẳng tối ƣu và biên lề tƣơng ứng, các vectơ hỗ trợ................................................................................................................ 19 Hình 1.14. Ánh xạ các điểm dữ liệu không thể phân tách tuyến tính vào không gian số chiều lớn hơn có thể phân tách đƣợc tuyến tính .............................................................. 20 Hình 1.15. a) One-vs-One b) One-vs-All ........................................................................ 21 Hình 2.1. Với 3 điểm không thẳng hàng trong R2 thì luôn tách đƣợc bởi đƣờng thẳng . 25 Hình 2.2. Phân lớp bằng siêu phẳng ................................................................................ 26 Hình 2.3. Đƣờng phân chia đối với tập dữ liệu gồm hai thuộc tính ................................ 27 Hình 2.4. Một bộ dữ liệu hai chiều đƣợc phân chia tuyến tính. ...................................... 28 Hình 2.5. Hai siêu phẳng phân chia tuyến tính cùng với biên độ của nó. ....................... 29 Hình 2.6. Đƣờng biểu diễn H1 và H2. Đƣờng màu đỏ là khoảng cách Euclidean của hai điểm 1 và 2, đƣờng màu xanh là khoảng cách Euclidean nhỏ nhất. ......................... 30 Hình 2.7. Các support vector trong SVM ........................................................................ 31 Hình 2.8. Trƣờng hợp trên không gian 2 chiều không thể vẽ một đƣờng thẳng phân chia 2 lớp ......................................................................................................................... 35 Hình 2.9. Bƣớc 1- Học để xây dựng mô hình phân lớp .................................................. 37 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ v Hình 2.10. Bƣớc 2 - Kiểm tra và đánh giá ...................................................................... 38 Hình 2.11. Mô hình nhận dạng chữ viết tay rời rạc......................................................... 45 Hình 2.12. Trích chọn đặc trƣng trọng số vùng .............................................................. 45 Hình 2.13. Kiến trúc của hệ nhận dạng chữ viết tay tiếng Việt ...................................... 48 Hình 2.14. Chuẩn hóa ảnh: (a) Ảnh gốc, (b) Xác định các vùng liên thông và đánh thứ tự các vùng liên thông ..................................................................................................... 49 Hình 2.15. Chuẩn hóa các vùng liên thông ..................................................................... 49 Hình 2.16. Quá trình trích chọn đặc trƣng....................................................................... 51 Hình 3.1. Các bƣớc cơ bản của quá trình nhận dạng văn bản bằng mô hình SVM ........ 55 Hình 3.2. Các mẫu chữ số viết tay trích từ tập các tập dữ liệu USPS và MNIST ........... 59 Hình 3.3. Giao diện chƣơng trình. ................................................................................... 61 Hình 3.4. Hộp thoại tiền xử lý. ........................................................................................ 61 Hình 3.5. Hộp thoại trích chọn đặc trƣng ........................................................................ 62 Hình 3.6. Hộp thoại lƣu file mô hình huấn luyện............................................................ 62 Hình 3.7. Hộp thoại chọn file ảnh cần nhận dạng. .......................................................... 63 Hình 3.8. Hộp thoại thông báo kết quả nhận dạng. ......................................................... 63 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 1 MỞ ĐẦU Biết sử dụng các phƣơng pháp nhận dạng đóng vai trò hết sức quan trọng trong xử lý ảnh, phân tích tài liệu văn bản, đặc biệt là đối với các dạng văn bản viết tay. Hiện nay, nhu cầu cần nhận dạng nội dung văn bản từ các ảnh là rất lớn và thiết thực. Để nâng cao độ tin cậy của các phƣơng pháp phân tích nhận dạng đã có những công trình nghiên cứu theo hƣớng ứng dụng lớp bài toán đánh giá lựa chọn thông tin để lựa chọn những tổ hợp thông tin chất lƣợng cao trƣớc khi tiến hành phân tích nhận dạng. Cũng từ đó đề xuất những cách tiếp cận mới giải quyết bài toán nhận dạng trong xử lý số liệu văn bản và thu đƣợc kết quả tốt. Nhận dạng chữ viết và đặc biệt nhận dạng chữ viết tay là bài toán có nhiều ứng dụng thực tế. Máy tính xử lý, nhận dạng các biểu mẫu, phiếu điều tra tự động, bằng cách này ta có thể tiết kiệm đƣợc nhiều chi phí về thời gian, công sức cũng nhƣ các chi phí khác cho việc nhập dữ liệu. Ngày nay cùng với sự phát triển về mặt lý thuyết, công nghệ, có rất nhiều hƣớng đi cho việc giải quyết bài toán nhận dạng chữ viết dựa trên cấu trúc hay cách tiếp cận khác nhƣ dùng: logic mờ, giải thuật di truyền, mô hình xác suất thống kê, mô hình Markov ẩn HMM (Hidden Markov Models), mô hình mạng nơron NN (Neural Network Model), mô hình SVM (Support Vector Machine). Thuật toán phân lớp là yếu tố có vai trò quyết định đến chất lƣợng của một hệ thống nhận dạng. Các phƣơng pháp nhận dạng truyền thống nhƣ đối sánh mẫu, nhận dạng cấu trúc đã đƣợc ứng dụng khá phổ biến trong các hệ thống nhận dạng và cũng đã thu đƣợc những thành công nhất định. Tuy vậy, với những trƣờng hợp văn bản đầu vào có chất lƣợng không tốt (nhiễu, đứt nét, dính nét...) thì các thuật toán này tỏ ra không hiệu quả. Để khắc phục điều này, trong những năm gần đây nhiều nhóm nghiên cứu đã sử dụng các thuật toán phân lớp dựa trên mô hình SVM cho các bài toán nhận dạng nói chung và nhận dạng chữ viết Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 2 tay nói riêng. Trong luận văn này, học viên xin trình bày thuật toán SVM đối với việc nhận dạng chữ viết tay hạn chế. MỤC LỤC LỜI CÁM ƠN................................................................................................................... i LỜI CAM ĐOAN ............................................................................................................ii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT ................................................ iii DANH MỤC CÁC HÌNH .............................................................................................. iv MỞ ĐẦU ......................................................................................................................... 1 MỤC LỤC ....................................................................................................................... 2 Chƣơng 1. GIỚI THIỆU VỀ CHỮ VIẾT VÀ NHẬN DẠNG CHỮ VIẾT .................... 5 1.1. Trình bày về lịch sử của nhận dạng chữ viết tay ......................................................5 1.2. Giới thiệu các hƣớng tiếp cận trong việc nhận dạng chữ viết tay ............................5 1.2.1. Nhận dạng chữ in................................................................................................... 5 1.2.2. Nhận dạng chữ viết tay .......................................................................................... 6 1.3. Tiền xử lý..................................................................................................................7 1.3.1. Nhị phân hóa ảnh ................................................................................................... 7 1.3.2. Lọc nhiễu ............................................................................................................... 8 1.3.3. Chuẩn hóa kích thƣớc ảnh ..................................................................................... 8 1.3.4. Làm trơn biên chữ ................................................................................................. 9 1.3.5. Làm đầy chữ .......................................................................................................... 9 1.3.6. Làm mảnh chữ ....................................................................................................... 9 1.3.7. Điều chỉnh độ nghiêng của văn bản ...................................................................... 9 1.4. Khối tách chữ..........................................................................................................10 1.4.1. Tách chữ theo chiều nằm ngang và thẳng đứng .................................................. 10 1.4.2. Tách chữ dùng lƣợc đồ sáng................................................................................ 11 1.5. Trích chọn đặc trƣng...............................................................................................11 1.5.1. Biến đổi toàn cục và khai triển chuỗi .................................................................. 12 1.5.2. Đặc trƣng thống kê .............................................................................................. 13 1.5.3. Đặc trƣng hình học và hình thái .......................................................................... 14 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 3 1.6. Huấn luyện và nhận dạng .......................................................................................15 1.7. Hậu xử lý ................................................................................................................15 1.8. Một số thuật toán phân lớp nhận dạng chữ viết tay ...............................................16 1.8.1. Giới thiệu ............................................................................................................. 16 1.8.2. Các mô hình nhận dạng chữ viết tay ................................................................... 16 1.8.3. Đánh giá, so sánh các phƣơng pháp nhận dạng chữ ............................................ 22 Chƣơng 2. MÔ HÌNH SVM VÀ ỨNG DỤNG TRONG NHẬN DẠNG CHỮ ........... 25 2.1. Giới thiệu chung .....................................................................................................25 2.2. Lý thuyết chiều VC (Vapnik Chervonenkis dimension) ........................................26 2.3. Hàm phân lớp .........................................................................................................27 2.4. Siêu phẳng phân cách .............................................................................................28 2.5. Support vector ........................................................................................................30 2.6. SVM với dữ liệu không nhiễu ................................................................................32 2.7. SVM với dữ liệu có nhiễu ......................................................................................34 2.8. Biên độ (Margin) ....................................................................................................34 2.9. Phân lớp dữ liệu tuyến tính và không tuyến tính....................................................35 2.10. Sự cần thiết của SVM nhận dạng chữ viết tay hạn chế ........................................37 2.10.1. Học máy có giám sát ......................................................................................... 37 2.10.2. Phân lớp dữ liệu ................................................................................................. 37 2.10.3. Nhận xét............................................................................................................. 40 2.10.4. Bài toán cho mô hình SVM ............................................................................... 40 2.10.5. Xây dựng mô hình học cho SVM ...................................................................... 43 ................................................................46 2.11.1. Tiền xử lý........................................................................................................... 46 2.11.2. Trích chọn đặc trƣng.......................................................................................... 47 2.11.3. Lựa chọn thuật toán huấn luyện phân lớp ......................................................... 47 2.11.4. Thuật toán nhận dạng chữ viết tay rời rạc ......................................................... 47 2.12. Áp dụng SVM vào nhận dạng chữ Việt viết tay rời rạc .......................................49 2.12.1. Tiền xử lý........................................................................................................... 49 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 4 2.12.2. Phân nhóm sơ bộ ............................................................................................... 52 2.12.3. Trích chọn đặc trƣng. ........................................................................................ 52 2.12.4. Xây dựng các máy phân lớp SVM .................................................................... 55 Chƣơng 3 – CHƢƠNG TRÌNH THỬ NGHIỆM .......................................................... 56 3.1. Giới thiệu về hệ nhận dạng dùng LIBSVM............................................................56 3.2. Các chức năng chính của hệ nhận dạng..................................................................57 3.3. Sử dụng libsvm-3.18...............................................................................................57 3.4. Kết quả chạy thử nghiệm trên tập dữ liệu libsvm ..................................................60 3.4.1. Kết quả thực nghiệm đƣợc tiến hành trên tập dữ liệu mnist ............................... 61 3.4.2. Kết quả thực nghiệm đƣợc tiến hành trên tập dữ liệu usps ................................. 62 3.5. Chƣơng trình nhận dạng. ........................................................................................64 3.5.1. Chức năng chƣơng trình ...................................................................................... 64 - Tiền xử lý (Convert Color Image to Black & white): Chuyển đổi ảnh từ ảnh màu sang ảnh nhị phân và chuẩn hóa kích thƣớc ảnh với kích cỡ 16x16. ............................ 64 3.5.2. Chức năng Tiền xử lý: ......................................................................................... 64 3.5.3. Chức năng trích chọn đặc trƣng .......................................................................... 65 3.5.4. Huấn luyện........................................................................................................... 65 3.5.4. Nhận dạng ............................................................................................................ 66 KẾT LUẬN VÀ ĐỀ NGHỊ ........................................................................................... 68 TÀI LIỆU THAM KHẢO ............................................................................................. 69 Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 5 Chƣơng 1. GIỚI THIỆU VỀ CHỮ VIẾT VÀ NHẬN DẠNG CHỮ VIẾT 1.1. Trình bày về lịch sử của nhận dạng chữ viết tay Ngày nay khoa học công nghệ phát triển mạnh cũng không ngoài mục đích khác là để đáp ứng nhu cầu ngày càng cao của con ngƣời. Mỗi quốc gia đều phải có ít nhất một ngôn ngữ, chữ viết để giao tiếp, từ năm 1922 khái niệm nhận dạng chữ đã đƣợc hình thành cho đến năm 1950, khi máy tính lần đầu tiên đƣợc giới thiệu tính năng mới về nhập và lƣu trữ dữ liệu hai chiều bằng cây bút viết trên một tấm bảng cảm ứng [4]. Công nghệ mới này cho phép các nhà nghiên cứu làm việc trên các bài toán nhận dạng chữ viết tay online. Mô hình nhận dạng chữ viết đƣợc đề xuất từ năm 1951 do phát minh của M.Sheppard đƣợc gọi là GISMO, một robot đọc-viết. Năm 1954, máy nhận dạng chữ đầu tiên đã đƣợc phát triển bởi J.Rainbow dùng để đọc chữ in hoa nhƣng rất chậm. Năm 1967, Công ty IBM đã thƣơng mại hóa hệ thống nhận dạng chữ. Từ năm 1980-1990, với sự phát triển của các thiết bị phần cứng máy tính và các thiết bị thu nhận dữ liệu, các phƣơng pháp luận nhận dạng đƣợc phát triển trong giai đoạn trƣớc đã có đƣợc môi trƣờng lý tƣởng để triển khai các ứng dụng nhận dạng chữ. Các hƣớng tiếp cận theo cấu trúc và đối sánh đƣợc áp dụng trong nhiều hệ thống nhận dạng chữ. Từ 1990 đến nay, các kỹ thuật nhận dạng kết hợp với các phƣơng pháp luận trong lĩnh vực học máy (Machine Learning) đƣợc áp dụng rất hiệu quả, một số công cụ học máy hiệu quả nhƣ mạng Nơ ron, mô hình Markov ẩn và SVM (Support Vector Machines)… 1.2. Giới thiệu các hƣớng tiếp cận trong việc nhận dạng chữ viết tay 1.2.1. Nhận dạng chữ in Phục vụ cho công việc tự động hóa đọc tài liệu, tăng tốc độ và chất lƣợng nhập thông tin vào máy tính trực tiếp từ các nguồn tài liệu. Vấn đề này đã đƣợc giải quyết gần nhƣ trọn vẹn (sản phẩm FineReader 9.0 của hãng ABBYY có thể nhận dạng chữ in theo 192 ngôn ngữ khác nhau, phần mềm nhận dạng chữ Việt in VnDOCR 4.0 của Viện Công Nghệ Thông tin Hà Nội có thể nhận dạng đƣợc các tài liệu chứa hình ảnh, bảng và văn bản với độ chính xác trên 98%). Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 6 1.2.2. Nhận dạng chữ viết tay Với những mức độ ràng buộc khác nhau về cách viết, kiểu chữ,… phục vụ cho các ứng dụng đọc và xử lý các chứng từ, hóa đơn, phiếu ghi, văn bản viết tay,… Nhận dạng chữ viết tay đƣợc tách ra hai hƣớng phát triển: nhận dạng chữ viết tay trực tuyến (online) và chữ viết tay ngoại tuyến (offline). Trong đó nhận dạng chữ viết tay trực tuyến là khi viết lên màn hình thì máy tính sẽ chuyển những hình ảnh viết tay thành dạng text. Khác với chữ offline, chữ online có thêm thông tin về thứ tự các điểm, các nét đƣợc viết. Hiện nay việc nhận dạng chữ viết tay tiếng Anh online hầu nhƣ đã giải quyết xong và đã đƣợc tích hợp vào máy tính cầm tay thậm chí là máy để bàn và điện thoại di động. Nhƣng đối với tiếng Việt thì chƣa có một phần mềm nào tƣơng tự. Còn trong nhận dạng chữ viết tay offline chúng ta nghiên cứu về nhận dạng chữ viết tay tự nhiên và nhận dạng chữ viết tay hạn chế. Nhận dạng chữ viết tay tự nhiên là dùng để xử lý các văn bản viết tay thông thƣờng, công việc này cực kỳ khó khăn nếu không nói là không thể. Nhận dạng chữ viết tay hạn chế là dạng các form điều tra xã hội, có các thông tin về chữ số, tên ngƣời, địa chỉ, điện thoại,… Những ngƣời đƣợc điều tra sẽ điền các thông tin bằng chữ viết tay vào form. Để nhập thông tin hàng trăm nghìn các phiếu điều tra vào máy tính sẽ mất rất nhiều thời gian khi làm thủ công bằng tay. Nếu ta dùng một chƣơng trình để nhận dạng các chữ viết tay trên các phiếu điều tra đó thì công việc sẽ đơn giản hơn. Các chữ trong phiếu điều tra thƣờng là các chữ viết tay hạn chế: viết rõ ràng, rời nhau, hoặc không dính liền nhau nhiều, thậm chí là viết hoa. Hiện nay, phần mềm MarkRead cũng đã có tích hợp đặc trƣng nhận dạng chữ viết tay hạn chế, nhƣng kết quả mới chỉ dừng lại ở phòng thí nghiệm. Nhận dạng chữ viết tay vẫn còn là vấn đề thách thức lớn đối với các nhà nghiên cứu. Bài toán này chƣa thể giải quyết trọn vẹn đƣợc vì nó hoàn toàn phụ thuộc vào ngƣời viết và sự biến đổi quá đa dạng trong cách viết và trạng thái sức khỏe, tinh thần của từng ngƣời viết. Việc xây dựng hệ thống có thể đƣợc mô tả trực quan bằng sơ đồ hình 1.1. Trong hệ thống này phần chúng ta cần tập trung quan tâm nhất là phần hệ huấn luyện và nhận dạng. Chúng ta sẽ sử dụng mô hình SVM trong việc huấn luyện và nhận dạng đó. Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 7 Ảnh văn bản Tiền xử lý Tách chữ Trích chọn đặc trƣng quét vào Văn bản đƣợc Hậu xử lý Huấn luyện và nhận dạng nhận dạng Hình 1.1. Các giai đoạn trong quá trình xử lý và nhận dạng ảnh Vì vậy muốn xây dựng đƣợc hệ thống có khả thi thì chúng ta cần phải tìm hiểu về SVM nói chung và ứng dụng của SVM nói riêng trong việc nhận dạng chữ viết. 1.3. Tiền xử lý Giai đoạn này góp phần làm tăng độ chính xác phân lớp của hệ thống nhận dạng, tuy nhiên nó cũng làm cho tốc độ nhận dạng của hệ thống chậm lại. Vì vậy, tùy thuộc vào chất lƣợng ảnh quét vào của từng văn bản cụ thể để chọn một hoặc một vài chức năng trong khối này. Nếu cần ƣu tiên tốc độ xử lý và chất lƣợng của máy quét tốt thì có thể bỏ qua giai đoạn này. Khối tiền xử lý bao gồm một số chức năng: Nhị phân hóa ảnh, lọc nhiễu, chuẩn hóa kích thƣớc ảnh, làm trơn biên chữ, làm đầy chữ, làm mảnh chữ và xoay văn bản. 1.3.1. Nhị phân hóa ảnh Nhị phân hóa ảnh là một kỹ thuật chuyển ảnh đa cấp xám sang ảnh nhị phân. Trong bất kỳ bài toán phân tích hoặc nâng cao chất lƣợng ảnh nào, nó cũng cần thiết để xác định các đối tƣợng quan trọng. Nhị phân hóa ảnh phân chia ảnh thành 2 phần: phần nền và phần chữ. Hầu hết các phƣơng pháp nhị phân hóa ảnh hiện nay đều lựa chọn một ngƣỡng thích hợp theo cƣờng độ sáng của ảnh và sau đó chuyển tất cả các giá trị độ sáng lớn hơn ngƣỡng đó thành một giá trị độ sáng (“trắng”) và tất cả các giá trị bé hơn ngƣỡng thành một giá trị độ sáng khác (“đen”). Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 8 Hình 1.2. Nhị phân hóa ảnh 1.3.2. Lọc nhiễu Nhiễu là một tập các điểm sáng thừa trên ảnh. Khử nhiễu là một vấn đề thƣờng gặp trong nhận dạng, nhiễu có nhiều loại (nhiễu đốm, nhiễu vệt, nhiễu đứt nét,...). Hình 1.3. Nhiễu đốm và nhiễu vệt. Để khử các nhiễu đốm (các nhiễu với kích thƣớc nhỏ), có thể sử dụng các phƣơng pháp lọc (lọc trung bình, lọc trung vị,...). Tuy nhiên, với các nhiễu vệt (hoặc các nhiễu có kích thƣớc lớn) thì các phƣơng pháp lọc tỏ ra kém hiệu quả, trong trƣờng hợp này sử dụng phƣơng pháp khử các vùng liên thông nhỏ tỏ ra có hiệu quả hơn. 1.3.3. Chuẩn hóa kích thƣớc ảnh Hình 1.4. Chuẩn hóa kích thước ảnh các ký tự “A” và “P”. Việc chuẩn hóa kích thƣớc ảnh dựa trên việc xác định trọng tâm ảnh, sau đó xác định khoảng cách lớn nhất từ tâm ảnh đến các cạnh trên, dƣới, trái, phải của hình chữ Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 9 nhật bao quanh ảnh. Thông qua khoảng cách lớn nhất đó, có thể xác định đƣợc một tỷ lệ co, giãn của ảnh gốc so với kích thƣớc đã xác định, từ đó hiệu chỉnh kích thƣớc ảnh theo tỷ lệ co, giãn này. Nhƣ vậy, thuật toán chuẩn hóa kích thƣớc ảnh luôn luôn đảm bảo đƣợc tính cân bằng khi co giãn ảnh, ảnh sẽ không bị biến dạng hoặc bị lệch. 1.3.4. Làm trơn biên chữ Đôi khi do chất lƣợng quét ảnh quá xấu, các đƣờng biên của chữ không còn giữ đƣợc dáng điệu trơn tru ban đầu mà hình thành các đƣờng răng cƣa giả tạo. Trong các trƣờng hợp này, phải dùng các thuật toán làm trơn biên để khắc phục [12]. (a) (b) Hình 1.5. (a) Ảnh gốc, (b) Ảnh sau khi được làm trơn biên. 1.3.5. Làm đầy chữ Chức năng này đƣợc áp dụng với các ký tự bị đứt nét một cách ngẫu nhiên. Ảnh đứt nét gây khó khăn cho việc tách chữ, dễ bị nhầm hai phần liên thông của ký tự thành hai ký tự riêng biệt, tạo nên sai lầm trong quá trình nhận dạng. 1.3.6. Làm mảnh chữ Đây là một bƣớc quan trọng nhằm phát hiện khung xƣơng của ký tự bằng cách loại bỏ dần các điểm biên ngoài của các nét. Tuy nhiên, quá trình làm mảnh chữ rất nhạy cảm với việc khử nhiễu. Hình 1.6. Làm mảnh chữ 1.3.7. Điều chỉnh độ nghiêng của văn bản Do trang tài liệu quét vào không cẩn thận hoặc do sự cố in ấn, các hàng chữ bị lệch so với lề chuẩn một góc α, điều này gây khó khăn cho công đoạn tách chữ, đôi khi Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 10 không thể tách đƣợc. Trong những trƣờng hợp nhƣ vậy, phải tính lại tọa độ điểm ảnh của các chữ bị sai lệch. Có nhiều kỹ thuật để điều chỉnh độ nghiêng, kỹ thuật phổ biến nhất dựa trên cơ sở biểu đồ chiếu (projection profile) của ảnh tài liệu; một số kỹ thuật dựa trên cơ sở các phép biến đổi Hough và Fourier. Hình 1.7. Hiệu chỉnh độ nghiêng của văn bản 1.4. Khối tách chữ Khối này có nhiệm vụ tách từng ký tự ra khỏi văn bản. Chỉ khi nào văn bản đƣợc tách và cô lập đúng từng ký tự đơn ra khỏi tổng thể văn bản thì hệ thống mới có thể nhận dạng đúng ký tự đó. Sau đây là một số phƣơng pháp tách chữ thông dụng. 1.4.1. Tách chữ theo chiều nằm ngang và thẳng đứng Phƣơng pháp này thƣờng áp dụng cho chữ in. Khác với chữ viết tay, kích thƣớc và kiểu chữ cố định, phải tuân theo một số quy định in ấn, các chữ phải nằm gọn trong một khung nên việc cô lập một ký tự đơn có thể đồng nhất với việc tìm ra khung bao của chữ đó tại vị trí của nó trong văn bản. Tách chữ theo chiều nằm ngang và thẳng đứng là tìm một hình chữ nhật có cạnh thẳng đứng và nằm ngang chứa trọn một ký tự ở bên trong. Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 11 1.4.2. Tách chữ dùng lƣợc đồ sáng Hình 1.8. Tách dòng chữ dựa trên histogram theo chiều ngang của khối chữ Đối với chữ viết tay thì việc tìm đƣờng phân cách giữa các dòng và các ký tự trong văn bản thƣờng rất khó khăn. Trong trƣờng hợp này, không thể tìm đƣờng phân cách theo nghĩa thông thƣờng mà phải hiểu là đƣờng phân cách với số điểm cắt hai dòng là ít nhất. Khi đó phải xây dựng lƣợc đồ sáng của các dòng chữ, từ đó các đoạn thấp nhất trên lƣợc đồ chính là đƣờng phân cách cần tìm (hình 1.8 và 1.9). Hình 1.9. Xác định khoảng cách giữa hai kí tự và giữa hai từ dựa trên histogram theo chiều thẳng đứng của dòng chữ. 1.5. Trích chọn đặc trƣng Trích chọn đặc trƣng đóng vai trò cực kỳ quan trọng trong một hệ thống nhận dạng. Trong trƣờng hợp đơn giản nhất, ảnh đa cấp xám hoặc ảnh nhị phân đƣợc sử dụng cho việc nhận dạng. Tuy nhiên, trong hầu hết các hệ nhận dạng, để giảm độ phức tạp và tăng độ chính xác của các thuật toán phân lớp thì đòi hỏi các đặc trƣng đƣợc trích chọn phải rút gọn lại càng nhỏ càng tốt nhƣng vẫn phải đảm bảo đƣợc thông tin Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 12 của ký tự. Với mục tiêu này, một tập các đặc trƣng đƣợc trích chọn cho mỗi lớp sao cho có thể phân biệt đƣợc với các lớp khác. Có hàng trăm phƣơng pháp trích chọn đặc trƣng cho ảnh văn bản, nhƣng chung quy lại, các phƣơng pháp này đƣợc gom lại thành ba nhóm chính sau. 1.5.1. Biến đổi toàn cục và khai triển chuỗi Một tín hiệu liên tục thƣờng chứa nhiều thông tin và chúng có thể sử dụng làm các đặc trƣng cho mục đích phân lớp. Các đặc trƣng đƣợc trích chọn cũng có thể đúng đối với việc xấp xỉ các tín hiệu liên tục thành các tín hiệu rời rạc. Một cách để biểu diễn một tín hiệu là sử dụng một tổ hợp tuyến tính của một dãy các hàm đơn giản hơn. Các hệ số của tổ hợp tuyến tính cung cấp một tri thức giải mã vừa đủ, chẳng hạn nhƣ các phép biến đổi hoặc khai triển chuỗi. Một số biến dạng khác nhƣ các phép dịch chuyển và phép quay là bất biến dƣới các phép biến đổi toàn cục và khai triển chuỗi. Sau đây là một số phƣơng pháp biến đổi và khai triển chuỗi thƣờng đƣợc áp dụng trong lĩnh vực nhận dạng chữ: - Biến đổi Fourier: Một trong những tính chất nổi bật nhất của phép biến đổi Fourier là khả năng nhận dạng các ký tự có sự thay đổi về các tƣ thế khác nhau, các phép biến đổi này đã đƣợc áp dụng để nhận dạng ký tự theo nhiều cách khác nhau. - Biến đổi Wavelet: Phép biến đổi này là một dãy các kỹ thuật khai triển cho phép mô tả đặc trƣng của ảnh ở các mức độ khác nhau. Các công đoạn tách chữ thành các ký tự hoặc từ đƣợc mô tả bằng các hệ số Wavelet theo các mức độ khác nhau đối với từng giải pháp. Sau đó các hệ số Wavelet đƣợc chuyển qua một máy phân lớp để phục vụ cho việc nhận dạng. - Phƣơng pháp mô men: Theo phƣơng pháp này, ảnh gốc sẽ đƣợc thay thế bằng một tập các đặc trƣng vừa đủ để nhận dạng các đối tƣợng bất biến đối với các phép thay đổi tỷ lệ, tịnh tiến hoặc quay. Các mô men đƣợc xét nhƣ các dãy khai triển đặc trƣng vì ảnh gốc có thể xây dựng lại một cách đầy đủ từ các hệ số mô men. - Khai triển Karhunent - Loeve: Việc khai triển này nhằm phân tích các véc tơ riêng để rút gọn số chiều của tập đặc trƣng bằng cách tạo ra các đặc trƣng mới là tổ hợp tuyến tính của các đặc trƣng gốc. Đây chỉ là một phép biến đổi tối ƣu trong một số Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 13 giới hạn nào đó của việc nén thông tin. Khai triển Karhunent-Loeve đƣợc dùng trong một số bài toán nhận dạng mẫu nhƣ nhận dạng mặt ngƣời, nó cũng đƣợc sử dụng trong hệ thống OCR của Viện Công nghệ và tiêu chuẩn Quốc gia Hoa Kỳ (NIST – National Institute of Standards and Technology of the United States). Vì việc khai triển này đòi hỏi phải sử dụng các thuật toán có khối lƣợng tính toán rất lớn nên việc sử dụng các đặc trƣng Karhunent-Loeve trong các bài toán nhận dạng chữ không đƣợc phổ biến rộng rãi. Tuy nhiên, để tăng tốc độ tính toán cho các máy phân lớp, các đặc trƣng này trở nên thiết thực hơn cho các hệ nhận dạng chữ trong những năm gần đây. 1.5.2. Đặc trƣng thống kê Các đặc trƣng thống kê của ảnh văn bản bảo toàn các kiểu biến đổi đa dạng về hình dáng của chữ. Mặc dù các kiểu đặc trƣng này không thể xây dựng lại ảnh gốc, nhƣng nó đƣợc sử dụng để thu nhỏ số chiều của tập đặc trƣng nhằm tăng tốc độ và giảm thiểu độ phức tạp tính toán. Sau đây là một số đặc trƣng thống kê thƣờng dùng để biểu diễn ảnh ký tự: - Phân vùng (zoning): Khung chứa ký tự đƣợc chia thành một vài vùng chồng nhau hoặc không chồng nhau. Mật độ của các điểm ảnh trong các vùng khác nhau đƣợc phân tích và tạo thành các đặc trƣng [6]. - Các giao điểm và khoảng cách: Một đặc trƣng thống kê phổ biến là số giao điểm giữa chu tuyến của chữ với một đƣờng thẳng theo một hƣớng đặc biệt nào đó. Trong [15], khung chứa ký tự đƣợc phân chia thành một tập các vùng theo các hƣớng khác nhau và sau đó các dãy đen trong mỗi vùng đƣợc mã hóa bởi các số lũy thừa của 2. Tƣơng tự nhƣ vậy, khoảng cách từ biên của khung chứa ảnh tới điểm đen đầu tiên của chu tuyến chữ trên cùng một dòng quét cũng đƣợc sử dụng nhƣ những đặc trƣng thống kê [6]. - Các phép chiếu: Các ký tự có thể đƣợc biểu diễn bằng cách chiếu các giá trị mức xám của từng điểm lên trên các dòng theo các hƣớng khác nhau. Các đặc trƣng này tạo ra dãy tín hiệu một chiều từ ảnh hai chiều [6]. - Đặc trƣng hƣớng: Các ký tự bao gồm các nét chữ, các nét này là các đoạn thẳng có hƣớng, các cung hoặc các đƣờng cong. Hƣớng của các nét đóng vai trò quan Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/