CONSIDERAZIONI FINALI

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "CONSIDERAZIONI FINALI"

Alessandra Dini
7 anni fa
Visualizzazioni

1 Conclusioni CONSIDERAZIONI FINALI Si conclude il presente elaborato con alcune considerazioni che sono il frutto delle osservazioni maturate durante la fase di stesura di questa tesi. L impressione di fondo è che la strada per arrivare ad un sistema rigoroso di riconoscimento del manoscritto, sia ancora estremamente lunga. Per realizzare questo lavoro sono state consultate diverse riviste specializzate nell image processing e si è potuto riscontrare come in tutte si sia affrontato il tema dei nuovi sviluppi e delle nuove tecniche, inerenti le applicazioni OCR nel contesto della lettura automatica della calligrafia. Tutto ciò testimonia l interesse nei confronti di queste tecnologie sia nel contesto della ricerca pura, sia in quello commerciale. In quest ultimo ambito stanno acquistando particolare importanza un insieme di tecniche dedicate in maniera specifica al riconoscimento del corsivo calligrafico e delle firme. In questo studio, rivolto al riconoscimento di cifre manoscritte, si è scelta una strada di tipo strutturale, che sembra dia i risultati migliori o comunque più incoraggianti. L efficacia di tale approccio risiede nella flessibilità con cui le molteplici descrizioni di un carattere particolare possono essere ricondotte ad unico modello, caratteristica questa che bene si presta a far fronte all estrema variabilità della rappresentazione dei caratteri manoscritti. Tentare di riconoscere i caratteri manoscritti mediante metodi classici applicabili a quelli tipografici, conduce inesorabilmente a risultati non soddisfacenti. Nonostante la strada scelta sia indubitabilmente promettente, in questo lavoro sono emersi alcuni problemi di non facile soluzione che non sono stati approfonditi; per esempio non sono stati contemplati i casi in cui le cifre risultino parzialmente sovrapposte o disturbate o in cui l estrazione dallo sfondo sia particolarmente difficoltosa. Tali problematiche sono invece ampiamente studiate in altri contesti dell image processing. A questo proposito sono assai interessanti le soluzioni proposte in alcuni articoli [7] [8], a cui si rimanda il lettore, per una comprensione esaustiva. La Figura 6.24 e 6.25 mostrano i risultati ottenibili tramite queste tecniche.

2 Conclusioni 2 Figura 6.24: Risoluzione per il problema dei caratteri sovrapposti proposta nel lavoro di Zhixin Shi e Venu Govindaraju [7]basato sulla valutazione delle proiezioni asse x come illustrato in I.3. Figura 6.25: Questa immagine, tratta da un interessante articolo di Djeziri, Nouboud, Plamondon[8], fornisce un buon esempio di estrazione del testo dallo sfondo complesso di un assegno usando la tecnica della Filiformità Allo stato attuale dell arte anche i pacchetti professionali che vengono usualmente impiegati non offrono delle soluzioni definitive riguardo il problema delle

Conclusioni 3 sovrapposizioni e della estrazione del testo di interesse dallo sfondo che rimangono i due problemi più spinosi su cui occorre concentrare gli sforzi.

3 Conclusioni 3 sovrapposizioni e della estrazione del testo di interesse dallo sfondo che rimangono i due problemi più spinosi su cui occorre concentrare gli sforzi. Non sono rari infatti i casi in cui un riconoscitore debba estrarre le informazioni delle parti manoscritte a partire da immagini con sfondi particolarmente complessi come quelli riportati nei due esempi che seguono tratti dall ambito bancario. Figura 6.26: Due assegni provenienti dal circuito americano che presentano degli sfondi complessi. L estrazione delle informazioni manoscritte sono realmente assai problematiche A titolo puramente esemplificativo si considerino i risultati della binarizzazione ottenibili tramite i metodi descritti nel Capitolo II e riportati di seguito.

4 Conclusioni 4 Figura 6.27: Risultati ottenuti tramite binarizzazione con il metodo di Kapur. Come si nota immediatamente una simile binarizzazione è assolutamente insoddisfacente; infatti buona parte della informazione scritta va persa, perché non è possibile separarla dallo sfondo. Questo esempio dà bene l idea di quanto questo procedimento sia critico e tutt altro che elementare. Una tecnica che permette di ottenere dei risultati significativamente migliori è quella di dividere l immagine in piccoli tasselli ed applicare per ciascuno di questi, un metodo di binarizzazione automatica, per esempio quella del minimo errore. Sebbene in questo modo i risultati siano decisamente migliori, bisogna gestire in modo opportuno le zone di confine dei singoli tasselli che possono essere non omogenee. Nell ambito del software professionale per il riconoscimento ottico dei caratteri sono da sottolineare alcune tecniche che possono portare a significativi miglioramenti nel riconoscimento automatico. A tal proposito, una caratteristica molto interessante è

5 Conclusioni 5 quella di aumentare la precisione nell identificazione di un carattere utilizzando le informazioni desumibili dal contesto del documento. Nel caso specifico del prodotto della CGK Recostar, a cui si è accennato in 1.7, la tecnica utilizzata è quella dei trigrammi. Essa opera comparando i risultati di riconoscimento su combinazioni di tre caratteri per volta in base alla normale occorrenza di questi in uno specifico linguaggio e correggendo automaticamente i risultati là dove necessario. Se per esempio la parola da riconoscere fosse SOLUZIONE, ma il riconoscitore non fosse sicuro riguardo la lettera U, il programma prenderebbe in considerazione tutta una serie di trigrammi tra i più probabili, come LVZ LUZ LKZ. Siccome il primo e il terzo trigramma non compaiono nella lingua italiana, la scelta cadrà sul trigramma LUZ, fornendo la corretta interpretazione alla parola in esame, SOLUZIONE. SOL@ZIONE SOLUZIONE LVZ LUZ LKZ Altri riconoscitori calligrafici, per aumentare la percentuale di identificazione delle parole fanno riferimento, in caso di dubbio, ad un dizionario interno, riducendo al minimo la possibilità di errore. Tali tecniche, che si potrebbero definire contestuali, assumono particolare rilevanza nel caso del riconoscimento di parole, tuttavia si può pensare a qualcosa di simile anche nel campo delle cifre manoscritte. Una tendenza comune, è quella di tracciare una sequenza di zeri per esempio scrivendo la cifra 1000 senza staccare la biro. Si ottiene un risultato simile a quello in Figura Figura 6.26: La cifra 1000 è tracciata senza staccare le varie componenti Dal momento che le cifre sono tutte unite è estremamente difficile per un programma separarle ed identificarle in modo efficace, tuttavia se è noto il contesto in cui il riconoscitore è utilizzato, per esempio nella lettura degli importi degli assegni, si può

6 Conclusioni 6 prevedere la costruzione di un modello apposito per tutti quei casi che si conosco come particolarmente frequenti o particolarmente critici. Con queste ultime osservazioni si conclude la trattazione di questa tesi di laurea. Essa non ha di certo la presunzione di fornire delle risposte definitive ad un insieme di problematiche che, come si è avuto modo di osservare, risultano assai complesse, ma vuole essere una sintesi del lavoro svolto fino ad oggi ed al contempo un punto di partenza concreto per una possibile implementazione di un sistema di riconoscimento automatico del manoscritto.

Documenti analoghi

I POLINOMI. La forma normale di un polinomio. Un polinomio è detto in FORMA NORMALE se in esso non compaiono monomi simili.

I POLINOMI. La forma normale di un polinomio. Un polinomio è detto in FORMA NORMALE se in esso non compaiono monomi simili. I POLINOMI Un polinomio è una somma algebrica tra monomi Sono polinomi le seguenti espressioni 2ab + 4bc -5a 2 b + 2ab - 5c 5x + 2y + 8x in esse infatti troviamo somme o differenze tra monomi La forma