| |
|
ein integrierter Ansatz zur Text- und Formelerkennung
Dissertation angenommen durch: Gerhard-Mercator-Universität Duisburg, Fachbereich Elektrotechnik, 2000-12-11
BetreuerIn: Prof. Dr.-Ing. habil. Gerhard Rigoll , Gerhard-Mercator-Universität Duisburg, Fachbereich Elektrotechnik
GutachterIn: Prof. Dr.-Ing. habil. Gerhard Rigoll , Gerhard-Mercator-Universität Duisburg, Fachbereich Elektrotechnik
GutachterIn: Prof. Ph.D. Bedrich Hosticka , Gerhard-Mercator-Universität Duisburg, Fachbereich Elektrotechnik
Schlüsselwörter in Deutsch: Mensch-Maschine Kommunikation, Handschrifterkennung, Vorverarbeitung, Merkmalsextraktion, Hidden Markov Modelle, Kontextabhängigkeit, Formelerkennung
Schlüsselwörter in Englisch: man-machine communication, handwriting recognition, pre-processing, feature extraction, Hidden Markov Models, context dependency, formula recognition
|
|
| |
|
Abstrakt in Deutsch
Die vorliegende Arbeit behandelt verschiedene Aspekte der automatischen Online Handschrifterkennung, von der Vorverarbeitungund Handschriftnormalisierung über die Merkmalsextraktion bis zur Modellierung mittels Hidden Markov Modellen (HMM).Zielsetzung bei der Entwicklung der Vorverarbeitungsschritte war die Normalisierung der Rohdaten hinsichtlich starkschreiberabhängiger Merkmale wie Schreibgeschwindigkeit, Schriftgröße und Schriftneigung. Weiterhin wurden Untersuchungen zuverschiedenen Methoden der Merkmalsentnahme und der optimalen Merkmalskombination durchgeführt. Ein weiterer wichtigerAnsatzpunkt für Optimierungen ist natürlich die Modellierung der Handschriftmerkmale. Hierzu wurden verschiedeneHMM-basierte Paradigmen gegenübergestellt und verglichen, sowie Untersuchungen zu möglichen Kontexteinflüssen durchgeführt.Des weiteren wurde ein Ansatz für die Erkennung und die Verarbeitung handgeschriebener Formeln entwickelt.
Abstrakt in Englisch
This thesis deals with different aspects of automatic online handwriting recognition, comprising methods for the entire recognitionprocess, such as pre-processing, handwriting normalization, feature extraction and Hidden Markov Model (HMM) based modelingtechniques applied to text and formula recognition. The objectives of the developed pre-processing steps are the normalization ofwriter dependent writing characteristics (writing speed, character size, slant). Investigations concern also optimal feature extractionmethods and their combination. Further topics are the investigation of different HMM based modeling techniques as well as contextdependency and optimal tying of model parameters, with respect to unconstrained input and very large vocabulary recognition.Furthermore, an approach for the recognition and processing of handwritten mathematical formulae has been developed.
|
|