Die vorliegende Arbeit beschreibt verschiedene Aspekte der automatischen On- und Off-Line Schrifterkennung, die auf der Verwendung von Hidden Markov Modellen (HMM) basiert. Neben der Erkennung kursiver Handschrift werden auch gedruckte Dokumente untersucht, wobei die Vorverarbeitungs- und Merkmalextraktionsmethoden jeweils dem Schrifttyp angepaßt werden. Der Schwerpunkt der Arbeit liegt jedoch auf der Untersuchung von hybriden Modellierungstechniken für die HMMs und der Entwicklung von Kontextmodellen, der Einbeziehung von Sprachmodellen (Zeichen N-Gramme) zur Erkennung von Worten mit unbegrenztem Vokabular und verschiedenen Adaptionsverfahren. Für die Adaption von Erkennungssystemen auf bestimmte Schreiber oder bestimmte lokale Schreibweisen werden außerdem unterschiedliche Konfidenzmaße verglichen.
«
Die vorliegende Arbeit beschreibt verschiedene Aspekte der automatischen On- und Off-Line Schrifterkennung, die auf der Verwendung von Hidden Markov Modellen (HMM) basiert. Neben der Erkennung kursiver Handschrift werden auch gedruckte Dokumente untersucht, wobei die Vorverarbeitungs- und Merkmalextraktionsmethoden jeweils dem Schrifttyp angepaßt werden. Der Schwerpunkt der Arbeit liegt jedoch auf der Untersuchung von hybriden Modellierungstechniken für die HMMs und der Entwicklung von Kontextmo...
»
Übersetzte Kurzfassung:
The presented work describes several aspects for automatic on- and off-line script recognition, which is based on Hidden Markov Models (HMM). The recognition performance for cursive handwritten words as well as machine-printed documents is examined, whereas specific methods for preprocessing and feature extraction have been chosen for the current type of script. However, the topic of this work is the examination of hybrid modeling techniques for HMMs and the development of context models, the usage of language models (character n-grams) for word recognition with open vocabulary and different adaptation methods. Furthermore, for adaptation of recognition systems to a certain writer or a local writing style different confidence measures are compared.
«
The presented work describes several aspects for automatic on- and off-line script recognition, which is based on Hidden Markov Models (HMM). The recognition performance for cursive handwritten words as well as machine-printed documents is examined, whereas specific methods for preprocessing and feature extraction have been chosen for the current type of script. However, the topic of this work is the examination of hybrid modeling techniques for HMMs and the development of context models, the us...
»