Derartige
leser sind bekannt geworden. Sie benötigen jedoch verabredete grafische
Merkmale, die zusätzlich
auf dem Datenträger
angebracht und von einem speziellen Detektor erkannt, dem Leser
Orientierung und Position des Datenträgers mitteilen. Verfahren dieser
Art sind bekannt, siehe Literaturstellen /2/, /3/, /4/ des anliegenden
Forschungsberichtes, der als Bestandteil dieser Anmeldung das neuartige
erfindungsgemässe
Verfahren beschreibt, welches auf diese, die praktische Anwendung
stark einschränkende
Merkmale verzichtet. Eine Beschreibung des zitierten bekannten Verfahrens
findet sich auch im USA-Patent 4691367.
Das
neuartige erfindungsgemässe
Verfahren erfasst durch das beschriebene zufallsgesteuerte Suchverfahren
einen oder mehrere im Lesefeld auftauchende ein- oder mehrzeilige
Datenträger,
bzw. Gegenstände mit
direkter Beschriftung ebenfalls omnidirektional. Da, wie beschrieben
und an praktisch demonstrierten Beispielen nachgewiesen (Bildteil),
auf die zitierten grafischen Hilfsmerkmale wollständig verzichtet
wird, ergeben sich für
die praktische Anwendung folgende Vorteile:
- – effizientere
Ausnützung
der Beschriftungsfläche
- – ein
grafisches Layout der Etiketten (Position der Schrift in Bezug auf
Hilfsmerkmale) entfällt,
da die Hilfsmerkmale entfallen
- – Druck
mit preiswerten, auch nicht grafikfähigen Druckern
- – Datenträger können auf
beliebig strukturiertem Hintergrund, der selbst auch Schriftinformation
enthalten kann, aufgebracht werden.
Zur
Dekodierung der erfassten Zeichen wird erfindungsgemäss ein neuronales
Netz eingesetzt, das in praktischer Ausführung des Lesers vom Anwender
selbst trainiert werden kann. Dies führt zu einem weiteren Vorteil:
- – neben
einer grossen Vielfalt der verwendbaren Schrifttypen kann der Anwender
auch selbst definierte grafische Zeichen in den lesbaren Zeichenvorrat
aufnehmen – insbesondere
also auch Firmenlogos etc. omnidirektional erkennen, bzw. im Rahmen
seiner Qualitätssicherung überprüfen.
Das
erfindungsgemässe
Verfahren wurde wie im Forschungsbericht beschrieben, auf einem
Personal Computer, erweitert um einen speziell für die omnidirektionale Erfassung
entwickelten Frame-Grabber,
der wegen der erforderlichen Bildrotationen bei Verwendung einer
CCD-Kamera mit "quadratischen" Pixeln absolut gleiche
Abbildungsmasstäbe
in x- und y-Richtung garantiert, praxisnah – aber noch nicht in Echtzeit
automatisch ablaufend simuliert. da der Bildspeicher des Frame-Grabbers
logisch als Teil des Arbeitsspeichers des Auswerterechners (spezielle
herstellerabhängige
Driver und ein darauf Rücksicht
nehmendes Betriebssystem sind demnach nicht erforderlich) konzipiert
ist, können
die in der PC-Evaluation ermittelten Algorithmen grundsätzlich direkt
auf die Zielhardware eines OCR-Lesers übertragen werden. Diese Zielhardware
ist unter Berücksichtigung
einer wirtschaftlichen (und von Lizenzrechten freier) Fertigung
des OCR-Lesers aus auf dem Markt erhältlichen Standardbauteilen
zu erstellen und wird im wesentlichen bestehen aus:
- – analog/digitaler
Elektronik mit adaptiver Digitalisierungsschwelle zur Erzeugung
des binarisierten Kamerabildes des Lesefeldes
- – einem
RAM-Arbeitsspeicher im Bereich von ca. 2 Mebabyte zur Aufnahme aller
wie beschrieben mit Attributen versehenen Teilbilder
- – einem
16-Bit Mikroprozessor zur Abwicklung des Programms
- – FPGA-Bausteine
zur (schnellen !) Hardware-Realisierung von Bildrotation, Korrelation,
ggf. auch für
das neuronale Netz, sowie für
die Schnittstellen zur Ausgabe und Bedienung
- – Eprom-Speicher
für das
Rechenprogramm
- – Flash-Eprom-Speicher
zur Aufnahme der trainierten Matrizen des neuronalen Netzes.
Wie
beschrieben, betragen die Abmessungen des Lesefeldes derzeit 512 × 512 Pixel.
Es ist selbstverständlich,
dass unter Berücksichtigung
des zukünftigen
technischen Standes der Kameratechnik auch höhere Pixelzahlen (z.B. 1024 × 1024)
erfindungsgemäss
angestrebt werden.
Aus
dem Stand der Technik sind bereits einige Verfahren zur Erkennung
von Schriftzeichen bekannt.
Das
in
DE 30 14 350 A1 (im
folgenden Text auch mit /2/ gekennzeichnet) offenbarte Verfahren,
zielt ebenfalls darauf ab, Gegenstände, z.B. auch Datensätze, z.B.
in Form von Schriftzeichen, die in beliebiger Position und Orientierung
auf einem Bildfenster erscheinen zu identifizieren.
Dazu
sind aber gemäß Anspruch
1 dieser Schrift sogenannte "Kennzeichnungsfelder" auf den Gegenständen notwendig,
welche mindestens eine Datenspur mit darin enthaltenen Zeichen und
mehreren Kontrastlinien aufweisen.
Auch
die
DE 23 38 561 A schlägt zum (Zitat
aus dem Anspruch 1) "Identifizieren
von Objekten mittels Dateninformationen, wobei die Objekte in wahlloser
Position und Ausrichtung und zu wahllosen Zeiten in einem bestimmten
Gebiet erscheinen können" vor, wobei dazu
die Oberfläche
der Objekte eine Kennzeichnung in Form eines Datenfeldes aufweisen,
das in zumindest einer Datenspur angeordnete kontrastierende Datenmarkierungen
umfasst, wobei diese "Datenmarkierungen" mehrere Linien umfasst.
Auch hier sind also verabredete "Datenmarkierungen" notwendig.
Die
DE 39 26 327 A1 beschreibt
die Erfassung von Seiten mit Hilfe eines Scanners und trennt lesbaren Text
enthaltende Bereiche von solchen, die Graphik oder sonstige nicht
lesbare, d.h. nicht in ASCII-Zeichen umsetzbare Informationen enthalten.
In dieser Schrift (Priorität
10.8.88 aus
US 230847 )
wird zum Stand der Technik festgehalten, dass andere Systeme (oder
Verfahren) von sogenannten "Registrierungsmarken" zum Anzeigen des
Beginns von Textspalten Gebrauch machen (s. Seite 1, Zeile 36-39).
Das in der Schrift selber offenbarte Verfahren erwartet aber die
Vorlage einer zu erfassenden Seite grundsätzlich "ausgerichtet" – d.h. so
in Bezug auf das Koordinatensystem des Scanners vorgelegt, dass
zu lesender Text sich mit horizontal verlaufenden Schriftzeilen
identifiziert.
Da
das in der Praxis nur mit einem – wenn auch geringen – Winkelfehler
möglich
ist, verwendet das Verfahren eine Korrektur des sich einstellenden "Schrägfehlers" (Spalte 9, ab Zeile
10). Aus der Beschreibung des Korrekturverfahrens ist jedoch ersichtlich,
dass es sich nicht um ein Verfahren handelt, dass "Schrägfehler" beliebiger Grösse, insbesondere
nicht bis +– 180
Grad , kompensieren kann. Das bedeutet, dass sogenanntes "OMNIDIREKTIONALES" Erfassen von Schriftgut,
d.h. Erfassen bei beliebiger POSITION und beliebiger Winkel-Orientierung, mit
dem Ziel der Dekodierung der Schriftsymbole z.B. als ASCII-Zeichen
mit dem entgegengehaltenen Verfahren prinzipiell nicht möglich ist.
Dies geht auch aus der Wahl des Ausdrucks "Schrägfehler" hervor: die Erfindergemeinschaft
erwartet demnach, dass bei Benutzung seines Verfahrens die Schriftvorlage in
vernünftiger
Winkelorientierung vorgelegt wird. Dies geht insbesondere aus dem
Text Spalte 10, Zeilen 1–4 hervor:
Zitat: "Bei dem
oben beschriebenen Verfahren der Schrägfehlerjustierung wird unterstellt,
dass der Text auf einer Seite generell in horizontalen Zeilen auf
der Seite angeordnet ist. Eine genaue Definition der erlaubten Winkelabweichung
von der "ausgerichteten" Normallage wird
nicht angegeben. Dem Text ist lediglich zu entnehmen, dass hier
mit einer Schräglage
von etwa Zeilenhöhe
gerechnet wird (geschätzter
zugelassener Schrägfehler
bis ca. +– 5
Grad). Ausserdem wird in Spalte 19, Zeilen 53 und 54 zudem ausdrücklich darauf hingewiesen,
dass "... eine Bilddigitalisierung
empfindlich gegenüber
Unterschieden in der Ausrichtung ist ...". Dies ist nochmals ein Beleg dafür, dass
das entgegengehaltene Verfahren die omnidirektionale Lesefähigkeit nicht
verfolgt, geringe Winkelfehler bereits die Erkennung vereiteln und
deshalb die weiter oben aufgeführte "Schrägfehler" – Korrektur erforderlich ist.
Auch
ist festzuhalten, dass bei einem angenommenen "Schrägfehler" von +– 90 Grad
das Verfahren versuchen würde,
zumindest bei engem Zeilenabstand, "Textzeilen" auf der nunmehr quer liegenden Vorlage zu
identifizieren, was möglicherweise
(abhängig
von Zeichen- und Textzeilenabstand) erfolgreich wäre und diese
jetzt querliegenden Zeichen dem im Verfahren beschriebenen Schablonenvergleich
(das ist mathematisch eine Kreuzkorralation zwischen erfasstem Zeichen
und einem in einem Speicher abgelegten Vergleichs-Template, das
in Normallage abgelegt ist) unterziehen. In den meisten Fällen ergäbe sich
keine Übereinstimmung – in wenigen
Fällen
würden
jedoch Übereinstimmungen
gemeldet, die jedoch semantisch fehlerhaft wären:
Beispiel: eine querliegende
8 und das "Unendlich"-Zeichen können offensichtlich
nur sehr ungenau unterschieden werden. Allgemeiner ausgedrückt: Als "Schablonenvergleich" bekannte Dekodierverfahren
können
mit ca. 30...50 Vergleichsmustern arbeiten. Wollte man auch Vergleichsmuster
für jede
Winkelorientierung (gefordert wären
dann Winkelschritte im Bereich von ca. 1 Grad) ergäbe sich
rein formal ein Vergleichsmuster-Vorrat von hier 50 × 360 =
1800 Mustern (exakter: Anzahl der zu unterscheidenden Font-Typen
mal 360). Die Fachliteratur kennt kein Korrelationsverfahren, das
bei einer derart hohen Anzahl von Musterklassen noch zuverlässig (also ohne
Mehrdeutigkeit) dekodieren kann.
Das
in der
DE 34 14 455
A1 offenbarte Verfahren setzt ein "kantenparallel" zum Lesefenster des Lesegerätes ausgerichtetes
Dokument ("Vorlage") voraus – siehe
Text auf Seite 23, Zeile 1, oder Anspruch 1, Zitat ".... wobei die Vorlage
... ausgerichtet ... abgetastet wird". Dies wird auch durch die kantenparallele
Ausrichtung des Koordinatensystems der Vorlage x0, y0 in Bezug auf
das Koordinatensystem des Lesers x, y in
1 unterstrichen. Des weiteren ist
6 zu entnehmen, dass die
Scanrichtung des Abtasters
24 parallel zu einer Koordinatenachse
des Maschinen-Koordinatensystems auf der Lesefläche
20 gewählt worden
ist. Weiterhin wird an keiner Stelle der o.g. Schrift der bekannte
Begriff "omnidirektional" bzw. "Identifizieren in
beliebiger Position und Orientierung" – wie
z.B. schon in der
EP 0 017 950 und
dem dort genannten Verfahren verwendet, benutzt.
Die
EP 0 461 760 A2 beschreibt
ebenfalls ein Verfahren, das wie auch die oben erwähnte
DE 34 14 455 A1 nicht
omnidirektional arbeitet, also vorgelegte Dokumente nur bezüglich der
Position bewertet und Text, Graphik und Blanks unterscheidet. Es
wird die korrekte Ausrichtung des Dokuments in Bezug auf das Koordinatensystem
des Lesers wie selbstverständlich
vorausgesetzt – siehe
hierzu
3 der Schrift.
Des weiteren enthält
auch diese Schrift nirgendwo eine Formulierung etwa im Sinne von "omnidirectional" oder "position and orientation – independent.
Der
Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Verfügung zu
stellen, dass die omnidirektionale Erfassung von optisch lesbaren
Zeichen (vorzugsweise "OCR-Klarschrift") (Quelle: S.2, Z.8)
auf Etiketten oder ähnlichen
Datenträgern
innerhalb des Lesefeldes eines Lesers, z.B. einer Kamera (Quelle:
Seite 2, Z.9 und Z. 46) ermöglicht,
ohne dass im Lesefeld eine die Orientierung oder Position der OCR-Klarschrift irgendwie
angebende Hilfssymbolik vorgesehen ist (Quelle: Anspruch 1), wobei
unter "omnidirektionaler" Erfassung eine solche
Erfassung zu verstehen ist, die optisch lesbare Zeichen in jeglicher
Neigung oder Position innerhalb des Lesefeldes des Lesers (Quelle:
S.2, Z.8-9) sucht und alle im Lesefeld befindlichen OCR-Zeichen in
horizontaler Orientierung in einem verabredeten Speicherbereich
ablegt. (Quelle: S.5, Z. 17–20).
Diese
Aufgabe wird gelöst
durch den Gegenstand des Anspruchs 1.
1. Übersicht
Zur
Kennzeichnung von Objekten in Handel und Industrie werden wegen
der einfachen Erfassungs- und Dekodiertechnik möglichst eindimensionale Verfahren
eingesetzt – also
Verfahren, bei denen die Informationsgewinnung durch einen Scan
in nur einer Ortsrichtung erfolgt. Bedingung hierfür ist, daß alle Musterelemente
vom Scan getroffen werden. In ihrer modernen Ausprägung sind
diese Verfahren für
omnidirektionale (richtungsunabhängige)
Erfassung geeignet, wenn Datenträger
und Scanrichtung aufeinander abgestimmt sind. Ein bekannter Vertreter
dieser Technik ist der Barcode, dessen Information in wechselndem
Breitenverhältnis
der in Scanrichtung aufeinanderfolgenden schwarz/weißen Musterelemente
liegt, siehe Bild 1.
Nachteilig
ist die geringe Informationsdichte, die bei neuesten Entwicklungen
zum Verlassen der eindimensionalen Erfassung führt und eine zweidimensionale
Erfassung des Codierungsmusters erzwingt. /1/.
Im
Gegensatz zum Barcode, der vom Menschen nur mit Hilfe maschineller
Hilfsmittel zu lesen ist, steht die Beschriftung von Etiketten mit
numerischen und alphanumerischen Zeichen einer maschinenlesbaren OCR-Klarschrift,
siehe Beispiele in Bild 2. Ihre Erfassung ist grundsätzlich nur
mit zweidimensionaler Erfassung des Etikett mit Schriftzeichen enthaltenden
Bildes möglich.
Ziel der Bildverarbeitung ist die Erkennung (Dekodierung) der Schriftzeichen
der Textzeile(n), d.h. die Zuordnung von ASCII-Zeichen zu den Schriftzeichen
des Schriftbildes und deren Ausgabe an einer Schnittstelle.
Bisher
werden OCR-Klarschriftleser bevorzugt im "direktionalen" Betrieb verwendet, d.h. die Anordnung
der zu lesenden Textzeilen auf der Vorlage ist bekannt und die Vorlage
hat einen festen translatorischen Bezug auf das Koordinatensystem
des Lesers, insbesondere wird Rotation der Vorlage vollständig ausgeschlossen.
Dies beschränkt
den Einsatz von OCR-Klarschriftlesern praktisch auf Seiten- und
Belegleser (Banken, Versicherungen). Die Variationsmöglichkeit
bezüglich
des Layouts der Datenträger
ist sehr eng begrenzt – und
in diesen Anwendungen auch nicht erforderlich.
Die
geschilderten Eigenschaften lassen einen Einsatz der bisher bekannten
OCR-Lesetechnik im industriellen Umfeld nicht zu: hier ist omnidirektionale
Lesbarkeit und Variationsmöglichkeit
(Produktionsumstellung, kleine Losgrößen) der Datenträger und
die automatische Adaption des Lesers an das veränderte Layout des Datenträgers Voraussetzung
zur Akzeptanz des Verfahrens.
Eine
in den 80-er Jahren gezeigte Lösung
des omnidirektionalen Klarschriftleseproblems /2/, /3/, bediente
sich verabredeter geometrischer Muster (Balken und Zwischenräume bekannter
Breitenverhältnisse), um
Position und Orientierung des Etiketts zu ermitteln, siehe Bild
3. Ein Verhältnisdetektor
/4/ ermittelte die Koordinaten der vom Scan getroffenen Balkenpixel.
Hieraus wurden translatorischer und rotatorischer Versatz des Etiketts
in Bezug auf das Koordinatensystem des Lesers ermittelt. Bei bekanntem
(also auch nicht beliebig variablem) Layout des Etiketts war damit
die Position der Schriftzeichen bekannt. Die Parameter (Zeilenzahl, Startkoordinaten
und Richtung) eines feinzeiligen Leserasters wurden errechnet und
das Bild der Textzeilen ausgerichtet in einem verabredeten Speicherbereich
abgelegt. Die Dekodierung der Schriftzeichen (nur OCR-A) wurde mit
einem handelsüblichen
Korrelator /5/ durchgeführt.
Das
im folgenden beschriebene Verfahren ist Gegenstand des Patentbegehrens
und vermeidet die Nachteile der vorstehend beschriebenen Entwicklung.
Gleichzeitig wird durch Einsatz eines neuronalen Netzwerkes vom
Typ Backpropagation ein vom Schrifttyp unabhängiger Dekoder realisiert.
Durch weitgehend automatische Adaption des Lesers an das Layout
des Datenträgers
durch eine zufallsgesteuerte Textzeilensuche (max. ca 5 Zeilen)
können
sowohl eine als auch mehrere Textzeilen ohne Umprogrammierung erfaßt und dekodiert
werden. Dabei können
die Textzeilen unterschiedliche Länge aufweisen (eine Mindestzahl
von Schriftzeichen von ca 3–5
ist aufgrund des verwendeten Suchalgorithmus erforderlich, siehe
3.). Die einzelnen Textzeilen dürfen
gegeneinander und gegen das Koordinatensystem des Lesers beliebigen
rotatorischen und translatorischen Versatz aufweisen. Ein gegenseitiger
Mindestabstand, siehe 3.1, der Textzeilen ist jedoch einzuhalten.
Die Textzeilen können
auf beliebigem (auch Text eines fremden Schrifttyps enthaltenden)
Hintergrund erscheinen. Eine typische Szene enthaltend zwei Textzeilen
auf einem Graphik und Text enthaltenden Hintergrund ist beispielhaft
in Bild 19 gezeigt.
Schwerpunkt
der praktischen Anwendung ist die Kennzeichnung von Objekten in
Produktion und Materialfluß sowie
Lagerwesen innerhalb eines ISO-9000 Richtlinien erfüllenden
Qualitätssicherungssystems. Die
gekennzeichneten Objekte werden automatisch oder manuell in beliebiger
Position und Orientierung in das Lesefeld einer CCD-Kamara gebracht
(in den folgenden Beispielen Sony XC-77CE, 756 × 581 Pixel) und der Erfassungs-
und Dekodierprozeß durch
ein extern dem Auswerterechner zugeführtes Triggersignal gestartet. Alternativ
kann dieser Prozeß auch
ohne externes Signal durch ständiges
Beobachten des Bildinhaltes durch das Auswerteprogramm automatisch
ablaufen. In den folgenden Demostrationsbeispielen wird der Prozeß manuell
gestartet.
Weitere
Anwendungen des beschriebenen Verfahrens sind
- – automatische
Suche von Postleitzahl und Ortsbezeichnung auf Anschriftfeldern
von Postsachen (wird im Beispiel gezeigt) und Dekodierung der Information
- – automatisches
Lesen von Ausweisen und ähnlichen
Datenträgern
auch wechselnden graphischen Layouts
- – automatisches
Lesen von Schildern bis hin zu KFZ-Kennzeichen eines vorgegebenen
graphischen Layouts (nationale Anwendung)
Das
gesamte Erfassungs- und Dekodierverfahren ist derzeit als Pascal-Programm
(Borland Turbo-Pascal 5.0, 486-er PC) realisiert worden und simuliert
sämtliche
Schritte von der Erfassung des Bildes der Szene mittels Frame-Grabber
bis zur Ausgabe des ASCII-Strings der gelesenen Textzeilen auf einem
Drucker.
Technische
Daten des derzeit verwendeten Systems, siehe Bild 4
- – Kamera
XC-77CE mit Makro-Zoom, Objektiv F1.8; 12,5–75 mm + Vorsatzlinse für Nachbetrachtung,
+ 3 Dioptrien, Aufnahmeabstand 210 mm, Bildfeldgröße ca 55 × 55 mm2 entsprechend einem quadratischen Bildausschnitt
von 512 × 512
Pixel, Pixelabmessung der Kamera 11 μm × 11 μm, sog. quadratische Pixel, Pixelclock
fc = 14,1875 MHz
- – Frame-Grabber
für Binärbilderfassung
/6/, das Binärbild
von 512 × 512
Pixel wird gepackt mit 8 Pixel/Byte in einen 32 kByte großen zusammenhängenden
Bereich des regulären
Upper-Memory RAM-Speicherraums des Host-Rechners abgebildet. Der
physikalische 32 kByte RAM-Speicher des Frame-Grabbers wird somit
logisch ein Teil des von DOS aus verwaltbaren Speicherraums im Bereich
640 kByte bis 1 MByte. Die Binarisierungsschwelle wird programmgesteuert
eingestellt. Die Möglichkeit,
die Schwelle adaptiv aufgrund der Dekodierungsergebnisse zu verstellen,
ist gegeben, wird derzeit aber noch nicht genutzt.
Bildrotationen
sind ein wesentlicher Bestandteil der Algorithmen zur Textzeilensuche.
Damit bei Rotation des Bildes keine geometrische Verzerrung auftritt,
muß das
abgespeicherte Bild gleiche Ortsmaßstäbe in x- und y-Richtung aufweisen,
Aspect-Ratio = 1:1. Entsprechend ist – abhängig von den Eigenschaften
der Kamera – die
Pixelclock der Frame-Grabber-Karte zu wählen. Im Falle der hier verwendeten
Kamera XC-77CE ist die Pixelclock der Karte identisch mit der Pixelclock
fc der Kamera.
- – PC-AT-Rechner
(Host), Prozessor 486DX-2, Takt 50 MHz, VGA-Grafik; die 640 × 480 Pixel-VGA-Grafikkarte
wird hierbei als RAM-Speicher für
alle Pixel-Operationen (Quelle und Ziel) des Binärbildes verwendet. Aufgrund
der VGA-Architektur werden 512 (Breite) × 480 (Höhe) Pixel des Binärbildes
verarbeitet. Ein (unterer) Bereich von 512 × 30 Pixel geht verloren. Das
Originalbild des Frame-Grabbers bleibt bis zum Abschluß aller
Operationen der Zeichenerfassung und Dekodierung erhalten. Dies
ist eine wesentliche Eigenschaft des neuen Verfahrens:
da der
Prozeß der
Textzeilensuche zufallsgesteuert arbeitet, siehe 3., kann bei einer
Rückweisung
eines Datenträgers
wegen nicht erfolgter Dekodierung ein erneuter Versuch mit zufällig anderen
Startbedingungen zum Erfolg führen.
Dies wurde mehrfach beobachtet. Hierin liegt ein grundsätzlicher
Vorteil gegenüber einem
deterministisch ablaufenden Verfahren.
- – Die
Verwendung der VGA-Karte als Pixelspeicher hat einen weiteren Vorteil
für Simulationen:
alle Vorgänge
können
visuell beobachtet werden. Hierzu werden die Farbattribute der Grafik
genutzt (max. 15 Farben, derzeit 7 genutzt). Die Algorithmen operieren
damit mit bis zu 7 gleichzeitig dargestellten Binärbildern.
Bei Übertragung
der Algorithmen auf andere Rechnerarchitekturen (z.B. 68000-er VME-Bussystem) müssen entsprechend
große
Binärbildspeicher
für Pixeloperationen
deklariert werden. Da wesentliche Operationen der Textzeilensuche
Bildrotationen beinhalten, ist ein quadratischer Bildausschnitt
(mindestens 512 × 512,
wünschenswert
ca 1024 × 1024
Pixel) einem rechteckigen Bildausschnitt vorzuziehen, wobei das
Prinzip der quadratischen Pixel streng einzuhalten ist.
2. Definitionen
zur Verfahrensbeschreibung
Nachfolgend
werden die Begriffe Erfassung und Dekodierung unterschieden:
- – Erfassung
ist die omnidirektionale Suche einer aus OCR-Zeichen bestehenden
Textzeile eines Schrifttyps (die Zeichen können numerisch 0 bis 9 oder
alphanumerisch sein, bevorzugt Großbuchstaben) und die ausgerichtete
Ablage, d.h. Speicherung in horizontaler Orientierung in einem verabredeten
Speicherbereich.
- – Dekodierung
ist die Zuordnung eines ASCII-Zeichens zum graphischen Abbild eines
OCR-Zeichens, also die Zeichenerkennung.
Die
Erfassung berücksichtigt
derzeit Schriften mit festem Zeichenabstand ("monospaced"), Proportionalschriften sind nicht
zugelassen. Dies ist für
industrielle Anwendung keine Einschränkung, Anschriftfelder auf Postsachen
werden überwiegend
mit festem Zeichenabstand geschrieben. Als Schriften in den folgenden
Beispielen werden verwendet:
- – eine OCR-B-ähnliche
Schrift /7/, siehe Bilder 5–18,
gedruckt über
9-Nadel-Matrixdrucker Panasonic KX-P1080
- – Courier,
mit Zeichendichte (pitch) von 10 Zeichen pro Zoll, 12 Punkt, gedruckt
mit HP-Deskjet 550C, siehe ab Bild 19.
Alle
Abzüge
von Bildschirmdarstellungen wurden von VGA-Graphik auf Drucker HP
550C ausgegeben. Das verwendete Koordinatensystem orientiert sich
an der VGA-Graphik, Ursprung links oben:
x-Koordinate von links
nach rechts, Pixel 128 bis 639,
y-Koordinate von oben nach
unten, Pixel 0 bis 479.
3. Zufallsgesteuerte omnidirektionale
Erfassung einer Textzeile eines Datenträgers
In
der folgenden prinzipiellen Prozeßbeschreibung wird vorausgesetzt:
- – eine
Textzeile ausreichender Länge
(> 3 OCR-Zeichen),
im Beispiel Bild 5 mit 10 Zeichen aus Ziffern einer beliebigen Schrifttype
mit festem Zeichenabstand und Zeichen gleicher Höhe ohne Ober- und Unterlängen
- – keine
Hintergrundinformation
- – das
Binärbild
dieser Szene liegt als VGA-Grafik mit dem Farbattribut gelb (Rohbild)
vor.
Ein
Beispiel für
diesen Fall zeigt Bild 5.
3.1 Zufallsgesteuerte
Suche
Ausgehend
von einem Startpunkt in Bildmitte xr0, yr0 wird über den Aufruf des Randomgenerators
in Pascal ein Zufallspunkt xr, yr, Attribut grau, innerhalb eines
durch r0 gegebenen Bereiches um den Startpunkt gesetzt. Der Bereich
ist ein Quadrat der Seitenlänge
2 × r0
mit xr0, yr0 als Mittelpunkt. Liegt dieser Punkt – wie zu
erwarten – nicht
auf einem Pixel eines der Schriftzeichen (Musterpixel) wird die
Suche fortgesetzt, wobei r0 mit der Anzahl der Suchschritte nges
erhöht
wird. Somit wird zufallsbedingt nach einer Anzahl von Suchschritten
zwangsläufig
ein Musterpixel gefunden und rot markiert. Ausgehend von diesem
getroffenen Pixel wird in der durch eine einstellbare richtungsunabhängige Suchdistanz
mindst beschriebenen Umgebung nach dem Zufallsverfahren (Gleichverteilung)
ein weiteres Musterpixel gesucht (isotrope Suche) und wenn gefunden, wieder
rot markiert, usw. Auf diese Weise wird das gesamte gesuchte Muster
mit einer Punktwolke von Suchpixeln und Treffern eingehüllt. Die
Trefferkoordinaten werden in einer 2-dim. Matrix mx(n), my(n) gespeichert, n
ist die lfd. Nr. des erfolgreichen Suchschrittes.
Das
Verfahren ist bis hier in den Bildern 5–8 gezeigt und wird abgebrochen,
wenn eine vorher eingestellte Zahl n = nmax, im Beispiel nmax =
1500 erreicht wurde – oder
wenn eine obere Grenze nges = nexit von Suchschritten erreicht wird,
z.B. in dem Falle, wo kein Muster vorhanden ist. Einmal rot markierte
Pixel werden von der weiteren Suche ausgeschlossen, damit das Verfahren
das Muster möglichst
homogen mit Treffern überzieht
und nicht festfährt.
Bild 8 zeigt eine typischerweise sich ergebende Punktwolke nach
Abschluß der
Mustersuche.
Die
Verfahrensschritte des geschilderten Suchprozesses sind im Anhang
in der Pascal-Prozedur procedure rauschen kommentiert aufgelistet.
Die folgenden weiteren Eigenschaften kennzeichnen dieses Suchverfahren:
- – Schriftzeichen
(Musterelemente) deren minimaler gegenseitiger Abstand größer ist
als mindst werden nicht erreicht, sie bilden ein zweites oder weiteres
eigenständiges
Muster und können
nach Entdecken und entsprechendem Markieren des ersten Musters in
einer weiteren Suche gefunden werden. Auf diese Weise können mehrere
Textzeilen in beliebiger gegenseitiger Position und Orientierung,
vorausgesetzt ihr gegenseitiger minimaler Abstand ist größer als
mindst, gefunden, abgelegt und dekodiert werden, siehe hierzu Bild
19 und Bild 48.
- – Bereits
bei der Suche können
die Muster von Textzeilen gegebener Schrifttype von Fremdmustern
mit gewisser Wahrscheinlichkeit unterschieden werden, indem nach
jeweils z.B. 1000 Suchschritten (nges = 1000, 2000, 3000, usw.)
das relative Trefferverhältnis
vt = n/nges gebildet und mit einem voreingestellten Gültigkeitsintervall
verglichen wird. Für
die gezeigten Schrifttypen dieser Arbeit liegt.vt für ein Textzeilenmuster
typisch zwischen 0,03 und 0,2. Versuche zeigten, daß Fremdmuster
oft außerhalb
dieses Bereiches liegen (z.B. vt ≈ 1
für große dunkle
Flächen,
vt < 0,01 für sehr kleine
fremde Muster). Das wichtigste Kriterium zur Unterscheidung zwischen
Textzeile und fremden Mustern ist jedoch die in 3.3.2 behandelte
Korrelation.
- – durch
Wahl von in x- und y-Richtung unterschiedlichen Suchdistanzen (mindstx,
mindsty) kann die Mustersuche auch bei sehr eng parallel liegenden
Textzeilen (Textblock, siehe 4.1) durchgeführt werden (anisotrope Suche).
Jedoch ist dann nur noch eine Erfassung des Datenträgers innerhalb
eines eingeschränkten
Winkelbereiches, ausgehend von der Horizontalen (bzw. Vertikalen)
möglich.
Eine praktische Anwendung ist die automatische Erfassung von Postleitzahlen
und Ortsbezeichnungen auf Postsachen, siehe 4.3 und Bild 48.
3.2 Ermittlung der groben
Winkel-Orientierung eines entdeckten Musters
Ausgehend
von der Situation in Bild 8, nmax Treffer-Koordinaten in Matrix
mx(n), my(n), wird die Winkelorientierung φ der gefundenen Textzeile mit
Hilfe einer Regressionsanalyse des Punktekollektivs der Treffermatrix
bestimmt: Gleichungen siehe z.B. /7/, Algorithmus in Prozedur procedure
regression, Anhang, aufgelistet. Die Bestimmungsgrößen a0,
a1 der Regressionsgeraden y = a0 + a1·x werden ermittelt, gleichzeitig wird
das Gütemaß der Regression
(empirische Reststreuung) σ2 ermittelt (sigma21 in procedure regression). Der
Winkel der Regressionsgeraden ergibt sich zu φ = arctan(a1).
Es
zeigt sich, daß die
Güte der
Regression (Stabilität
des Winkels der Regressionsgeraden) mit wachsendem Winkel φ abnimmt
(σ2 steigt). Versuche zeigen, daß die Winkelstabilität so schlecht
wird, daß die
Orientierung der Textzeile nicht mehr für die weitere Musterverarbeitung
ausreicht. Um diesen Fehler zu minimieren, wird folgendes Verfahren
angewendet:
x- und y-Koordinaten des Punktekollektivs der Treffermatrix
werden vertauscht, die Regressionsanalyse erneut durchgeführt und
wiederum σ2 errechnet. (sigma22 in procedure regression).
Von
beiden Berechnungen wird die mit dem kleineren Wert für σ2 als
Ergebnis gewählt.
Für den
Fall sigma22 < sigma21
werden x- und y-Achse rückgetauscht
und endgültig
die Orientierung φ errechnet.
Die sich ergebende Regressionsgerade wird geplottet und ist aus
Bild 9 ersichtlich. Die Schwerpunktkoordinaten x_m und y_m des Musters
werden ermittelt (Schwerpunkt liegt immer auf der Regressionsgeraden).
3.3 Klassifizierung des
gefundenen Musters als Textzeile oder Fremdmuster
Ausgehend
von der Situation nach Bild 9 wird über eine Korrelation mit einer
bekannten, die Periodizität
einer aus Schriftzeichen mit festem Abstand bestehenden Textzeile
(Lückenfunktion)
und dem unbekannten Muster ermittelt, ob das unbekannte Muster in
einem vorgegebenen periodischen Abstand dz Lücken enthält. Zusätzlich wird die Zeichenhöhe hz ermittelt
und geprüft,
ob diese in einem vorgegeben Intervall liegt. Der Ablauf wird mit
Bildern 10–13
und den Prozeduren procedure histogramm und procedure hist_korr
erläutert.
3.3.1 procedure histogramm
Das
unbekannte Muster, ausreichend dicht beschrieben durch die Treffermatrix
mx(n), my(n), wird um den Musterschwerpunkt x_m, y_m herum mit Kenntnis
des Orientierungswinkels φ der
Regressionsgeraden in die Horizontallage zurückgedreht und in Bildmitte
geschoben. Es werden die Histogramme hx(x) über die x-Achse (längs) und
hy(y) über
die y-Achse (quer) der Pixelhäufigkeiten
des Musters gebildet – und
nur zu Testzwecken geplottet (hx(x) mit Faktor 10 gedehnt). Die
Qualität
der Histogramme (eindeutige Kennzeichnung der Lücken zwischen den Schriftzeichen,
eindeutige Zeichenhöhe)
ist von der Anzahl nmax der Treffer abhängig. Für erwartete Textzeilen mit
4–10 Zeichen
ist nmax mit ca 1000-3000 vorzugeben.
3.3.2 procedure hist_korr
Zur
Weiterverarbeitung werden beide Histogramme binarisiert (Schwellen
hx_min, hy_min). Zur sinnvollen Korrelation von hx(x) mit der Lückenfunktion
hx_s(x) wird die Binarisierung von hx(x) mit +1 für hx(x) > hx_min und mit –1 für hx(x) ≤ hx_min gewählt. Ein
typisches sich ergebendes Muster für die binarisierte Funktion
hx(x) ist in Bild 10 zu sehen. Die Lückenfunktion hx_s(x) wird aus
dem vorgegebenen Schriftzeichenabstand dz der erwarteten Textzeile
errechnet und ist beispielhaft ebenfalls in Bild 10 ersichtlich.
Ihr Wertevorrat ist +1, –1
(Schriftzeichenmitte = +1, Lückenmitte
= –1).
Die Korrelation hx(x) mit hx_s(x) zeigt deutliche periodische Maxima
und Minima, wenn Lücken-
und Zeichenmitten der Lückenfunktion
mit entsprechenden Eigenschaften des unbekannten Musters korrelieren.
Eine in diesem Sinne gute Korrelation ist in Bild 10 zu sehen.
In
Bild 11 wird beispielhaft die Korrelation mit einem fremden Muster
gezeigt. Die Korrelation ergibt keine ausgeprägten Extremwerte – und auffällig viele
Nulldurchgänge
(schlechte Korrelation). In Versuchen wurden folgende Kriterien
zur Klassifizierung eines unbekannten Musters mit hoher Sicherheit
ermittelt:
- – Summe des Absolutbetrages
sum_kx der Korrelationsfunktion kx(d) aus hx(x) mit hx_s(x), (Gleichungen, siehe
Anhang) über
die Existenzlänge
d1 bis d2 der Korrelationsfunktion. Wenn diese Summe eine vorgegebene
Schwelle (in Versuchen ermittelt minsum = 800) übersteigt, gilt diese Eigenschaft
als wichtigstes Kriterium für
eine Textzeile. Typische Werke für
sum_kx liegen bei einer 10-zifferigen Textzeile bei ca 1500 bis
2200 (vgl. Fremdmuster in Bild 11: sum_kx = 530).
- – Die
Anzahl der Nulldurchgänge
nullz mit positivem Differenzenquotienten liegt für eine Textzeile
typischerweise im Bereich 5 bis 40, je nach Länge der Textzeile und Dichte
der Trefferpunktwolke (entsprechend nmax). Fremdmuster haben oft
sehr viel höhere
Werte, vgl. Fremdmuster in Bild 11 mit nullz = 65. Im Programmbeispiel
sind die Schwellen auf min_z = 3 und max_z = 50 gesetzt: 3 < nullz < 50 gilt als ein
weiteres Kriterium für
eine Textzeile.
- – Die
aus Histogramm hy(x) ermittelte aktuelle Zeichenhöhe hz, siehe
Bild 10, wird mit der vorgegebenen Zeichenhöhe des erwarteten Schrifttyps
verglichen. Da die Regressionsgerade insbesondere bei kurzen Textzeilen
bis zu einigen Grad von der wahren Textzeilenrichtung abweichen
kann, die horizontal gedrehte Textzeile nach Bild 10 also um diesen
Winkel schräg
liegen kann, wird ein Erwartungsintervall für hz vorgegeben: mit minhz < hz < maxhz ergibt sich
das letzte Kriterium für
die Klassifizierung des Musters als Textzeile. In Bild 12 ist ein
typischer Fall bei kurzer Textzeile gezeigt, Bild 13 zeigt die zugehörigen Korrelationsergebnisse:
gemessene Zeichenhöhe
hz = 37, vorgegebene Zeichenhöhe
hz = 30, minhz = 21, maxhz = 48.
Wenn
alle drei Kriterien erfüllt
sind (UND-Verknüpfung)
wird auf Textzeile erkannt.
3.4 Markieren des klassifizierten
Musters
Nach
Klassifizierung als Textzeile bzw. Fremdmuster wird das Ergebnis
dem Muster als Farbattribut zugeordnet:
3.4.1 Markieren als Textzeile
(gültiges
Muster)
Um
jedes rot markierte Trefferpixel herum wird ein Quadrat vorgebbarer
Seitenlänge
(typisch 20 Pixel) aufgespannt und alle darin enthaltenen gelben
Pixel des Rohbildes auf weiß gesetzt:
Das Ergebnis ist bei genügender
Trefferdichte, d.h. ausreichend großen nmax ein vollständig weiß eingefärbtes Muster.
Zufällig
unmarkiert bleibende kleinere Bereiche innerhalb des Musters (bei
geringer Trefferdichte) sind nicht störend, wie in 3.5.3 beschrieben.
Nur weiße
Muster werden weiterverarbeitet.
3.4.2 Markieren als Fremdmuster
(ungültiges
Muster)
Der
Vorgang wird wie vorstehend beschrieben, jedoch mit dem Attribut
blau ausgeführt.
Das Muster gilt als gelöscht
(siehe hierzu Beispiel in Bild 31) und wird nicht weiter bearbeitet.
Bei einer erneuten Suche nach einer (ggf. weiteren) Textzeile wird
das Muster ignoriert.
3.5 Erfassung der markierten
Textzeile und ausgerichtete Ablage in einer Matrix
Nach
der Regressionsanalyse liegt der Orientierungswinkel φ der Textzeile
nur grob vor, Winkelabweichungen von bis zu ca 8° von der wahren Orientierung
der Textzeile wurden beobachtet. Zur Korrektur des Fehlers und zur
Eingrenzung des weiter zu verarbeitenden Bildausschnittes auf einen
mit Sicherheit die markierte Textzeile enthaltenden Bereiches wird
das folgende zweistufige Verfahren angewendet.
3.5.1 Grobsuche Text
Bild
14 zeigt die erste Stufe: Ein unter dem ermittelten Winkel φ der Regressionsgeraden
aufgebautes Zeilenraster entsprechend einer Auflösung von 128 Suchzeilen scannt
das Bild in einem Bereich von 14 Zeilen (entsprechend einer erwarteten
Zeichenhöhe
von ca 30 Pixel) um die Regressionsgerade herum ab und sucht nach
weiß markierten
Pixeln. Die Textzeile gilt als gefunden, wenn in einem Scan mehr
als 3 Pixel weiß auftauchen.
Hiermit wird die obere Begrenzung (firstscan) der Textzeile gefunden.
Das Zeilenraster läuft
weiter und findet bei einer Anzahl von weniger als 3 Pixel weiß die untere
Begrenzung der Textzeile (lastscan). Die lfd.Nr. der Rasterzeilen,
mit denen das Raster die Textzeile erst- und letztmalig im Sinne
des geschilderten Kriteriums trifft, werden notiert und aus ihrer
Differenz die tatsächliche
Höhe der
Textzeile ermittelt. Ist die wahre Orientierung der Textzeile identisch
mit φ,
hat man auch die Höhe
hz der Schriftzeichen exakt ermittelt. Bei Schräglage z.B. nach Bild 12, wird
hz zu groß ermittelt
im Vergleich zum vorgegebenen Wert des erwarteten Schrifttyps.
Das
aus Gründen
der Zeitersparnis so beschränkte
Zeilenraster wird in Bild 14 dargestellt, um den erreichten Stand
visuell zu verfolgen: die gefundene und weiß markierte Textzeile liegt
mit Sicherheit im dargestellten Bereich.
3.5.2 Feinkorrektur des
Orientierungswinkels (Feinsuche Text)
Bild
15 zeigt das Verfahren zur Feinkorrektur des Orientierungswinkels φ: ein nur
noch aus firstscan –1
bis lastscan +1 Zeilen bestehendes Zeilenraster (Zeilenabstand des
128-er Rasters beibehalten) wird um die Regressionsgerade herum
(diese ist identisch mit midscan in Bild 14) aufgespannt und in
festen Winkelschritten von jeweils 1° um den Schwerpunkt der Textzeile
geschwenkt (Rasterrotation). Die Anzahl der Winkelschritte hängt von
der ermittelten Zeichenhöhe
hz ab: ist diese kleiner als das 1,2-fache der Sollvorgabe, der
erwartete Fehler von φ also
gering, wird im Bereich φ – 2° < φ < φ + 2° rotiert.
Ist hz gleich oder größer, wird
im Bereich φ – 10° < φ < φ + 10° rotiert.
Nach jedem Rotationsschritt wird wiederum hz ermittelt. Nur wenn die
Winkeldifferenz zwischen Regressionsgerade und Textzeilenrichtung
Null wird, ist hz minimal. Der sich bei minimalem hz ergebende Winkel
des Zeilenrasters ist der wahre Winkel der Orientierung der Textzeile.
Versuche zeigten, daß bei
langen Textzeilen (6–10
Zeichen) der Restfehler i.a. unter 2° liegt. Dies ist für die spätere Dekodierung
ausreichend. Bekannte Ansätze
/5/ dekodieren noch bis Schräglagen
von 8°.
3.5.3 Ausgerichtete Ablage
der Textzeile
Nach
Feinkorrektur wird der von der Textzeile eingenommene Bildbereich
einschließlich
einer Sicherheitsreserve von je einer Rasterzeile ober- und unterhalb
der Textzeile mit einem entsprechend rotierten Zeilenraster mit
der maximal möglichen
Auflösung
(im Beispiel 512 × 512
Pixel) abgetastet und in einer Matrix text ausgerichtet abgelegt.
Bilder 16 und 17 visualisieren diesen Vorgang. Bild 17 zeigt den
vom feinzeiligen Raster maximal möglicher Auflösung eingenommenen
Bildbereich, Farbattribut grün.
Das Auswerteprogramm hat dazu dessen Begrenzungskoordinaten aus
der Kenntnis weiß markierter äusserer
Musterelemente errechnet. Innerhalb des Musters liegende kleinere
gelb gebliebene Bereiche infolge nicht ausreichender Trefferdichte werden
hierbei miterfaßt:
der Algorithmus speichert alle Musterelemente mit weißer und
gelber Markierung.
Durch
die grün
erfolgte Markierung der in Matrix text abgelegten Textzeile gilt
diese für
die weitere Suche als erfaßt
und gelöscht.
Bild 18 zeigt die ausgerichtete Textzeile (Inhalt der Matrix text)
und ihre Position innerhalb des in Bild 17 markierten Bereiches
in Originalgröße und 2-fach
gezoomter Darstellung.
Die
Textzeile ist aufrecht stehend abgebildet worden. Bei einer zufällig um
180° gedrehten
Orientierung des Datenträgers
wäre sie
kopfstehend abgebildet worden. Das in 5.4 gezeigte neuronale Dekodierverfahren
berücksichtigt
beide Möglichkeiten.
4. Zufallsgesteuerte Suche
mehrerer Textzeilen eines oder mehrerer Datenträger
4.1 Erfassen mehrerer
Datenträger
mit je einer Textzeile
Bild
19 zeigt beispielhaft eine Szene mit 2 Datenträgern (Etiketten) je einer Textzeile
mit je 10 Zeichen auf einem fremden Text enthaltenden Hintergrund.
Die Textzeilen sind gegeneinander und gegen den Hintergrund beliebig
positioniert und orientiert. Beide Textzeilen werden in isotroper
Suche gefunden (mindst = 30, nmax = 1000), die Suche startet in
Bildmitte. Bilder 20–29
zeigen den Prozeß bis
zur Ablage der ausgerichteten Textzeilen. Im Erfassungsprogramm
wurde per Vorgabe nach genau 2 (erwarteten) Textzeilen gesucht.
Die Pixelabmessungen des Bildfeldes lassen im gegenwärtig realisierten
PC-Simulationsprogramm max. 5 Textzeilen zu je 10 Zeichen zu.
Sollte
nach mehr Textzeilen gesucht werden als vorhanden sind, wird der
Suchalgorithmus spätestens nach
Entdecken und Ablegen der vorhandenen Textzeile(n) nur noch auf
Fremdmuster einrasten – und
diese nach Korrelation mit der Lückenfunktion
für die
erwarteten Textzeilen löschen.
Bilder 30 und 31 zeigen beispielhaft einen Fall, in dem nach zwei
Textzeilen gesucht wird, aber nur eine vorhanden ist. Damit der
Algorithmus gezielt abbrechen kann, wird nach einer vorgegebenen
Anzahl von Suchzyklen der Erfassungsprozeß beendet. Ein Zyklus entspricht
der Folge der in Bildern 21–28
bei erfolgreicher, bzw. der in Bildern 21 und 22 bei ergebnisloser
Suche gezeigten Schritte. Im vorliegenden Fall wird nach 20 Zyklen
geordnet abgebrochen.
4.2 Erfassen eines Datenträgers mit
mehrern parallelen Textzeilen (Textblock)
Bilder
32–34
zeigen am Beispiel eines 5-zeiligen Textblocks mit engem Textzeilenabstand
das Prinzip der anisotropen Suche. Die bisher in jeder Richtung
identische durch mindst gegebene Suchdistanz kann bei den eng liegenden
parallelen Textzeilen nicht angewendet werden. Die Punktwolke der
Suchpixel würde
den gesamten Textblock einhüllen.
Durch unterschiedliche Suchdistanzen in x- und y-Richtung ist das
Problem jedoch lösbar:
mit (beispielhaft) mindstx = 30 und mindsty = 8 wird verhindert,
daß die
Punktwolke einer Textzeile auf eine benachbarte überspringen kann. Dies funktioniert
bis zu einem durch Textzeilenabstand und Zeichenhöhe bestimmten
Rotationswinkel φ der
Textzeilen, siehe Bild 49. Im gezeigten Fall ist eine Rotation des
Datenträgers
von φ = ± 20° gegen die
Horizontale noch zulässig.
Die Suche beginnt im Beispiel in Bildmitte. Die Folge der erfaßten Zeilen
in Bild 34 ist daher zufällig.
Dies kann verhindert werden, wenn die zufallsgesteuerte Suche um
den Startpunkt herum mit einem deterministisch fortschreitenden
Startpunkt erfolgt. Dieser bewegt sich etwa in Bildmitte in festen
Schritten nach unten. Nachdem die oberste Textzeile gefunden wurde,
bewegt sich der Startpunkt also etwa um einen Textzeilenabstand
nach unten. Dort beginnt die Zufallssuche erneut, usw.
4.3 Erfassen von Postleitzahl
und Ort auf Postsachen (automatische Sortierung)
Bilder
35 bis 37 zeigen beispielhaft die Erfassung von Postleitzahl und
Ort. Die Suche beginnt wie vorstehend beschrieben, jedoch von unten
startend. Sie erfolgt anisotrop mit mindstx > mindsty, damit der Abstand zwischen Postleitzahl
und Ort überbrückt werden
kann, ohne daß die
Punktwolke der untersten Zeile (Postleitzahl u. Ort) auf den Rest
der Anschrift überspringt.
Der Startpunkt der Suche wurde im Beispiel zufällig etwa in die Mitte zwischen
unterster und folgender Zeile gesetzt. Dies ist in praktischen Anwendungen
(z.B. automatische Briefsortierung) infolge der großen Variabilität, in der
die Textzeilen einer Anschrift positioniert sein können, nicht
unrealistisch.
Wie
Bild 36 zeigt, rastet die Suche zufällig zunächst auf die Name und Straße enthaltenden
Textzeilen ein, löscht
diese dann aber, wie in Bild 37 gezeigt, weil die Korrelation ein
unsinniges Muster ergibt. Das damit verbleibende Zielgebiet wird,
da der Startpunkt nicht verändert
wurde, mit hoher Wahrscheinlichkeit die unterste Zeile sein. In
Bild 37 wird diese als gültig
markiert, Grob- und Feinsuche Text durchgeführt und die Textzeile mit Postleitzahl
und Ort ausgerichtet erfaßt
und abgelegt. Mit geringer Wahrscheinlichkeit könnte wegen der geschilderten
Unkenntnis der Textzeilenpositionen auch bei von unten beginnender
Suche und kleinem deterministischem Anteil im nach oben fortschreitenden
Suchschritt auch eine falsche Zeile des Anschriftfeldes gefunden
und abgelegt werden.
Durch
eine nach Dekodierung der Textzeile, siehe 5.4, durchgeführte zusätzliche
Plausibilitätsprüfung anhand
einer Postleitzahl und Ort enthaltenden Datenbank kann der Fehler
erkannt und die Suche erneut durchgeführt werden: die Startparameter
werden zufällig
anders, möglicherweise
günstiger
liegen, bzw. es kann gezielt abgebrochen werden.
Auf
ein zusätzlich
auftretendes Problem bei automatischer Sortierung wird hingewiesen:
infolge unterschiedlicher zu erwartender Schrifttypen und damit
auch unterschiedlicher Zeichenabstände dz muß die Korrelation mit der Lückenfunktion
mehrfach mit variiertem Wert für
dz durchgeführt
werden. Aus dem Maximum aller Korrelationssummen sum_kx kann dann
auf das vorliegende dz rückgeschlossen
werden. Dieser Wert wird bei der Segmentierung der Schriftzeichen
noch benötigt.
Die Dekodierung unterschiedlicher Schrifttypen mit neuronalen Netzwerken
wird in 5.4.3 behandelt.
Die
anisotrope Suche läßt wie geschildert
nur eine eingeschränkte
Rotation φ zu.
Dies
ist hier wenig nachteilig, da Postgut überwiegend vororientiert angeboten
werden kann. Eine Rotation von ± 20° gegen die Horizontale kann
vom Verfahren toleriert werden
5. Dekodierung
einer ausgerichtet abgelegten Textzeile mit neuronalen Netzen
Die
Dekodierung einer ausgerichtet abgelegten Textzeile erfolgt in 4
Schritten:
- -1- Segmentierung der einzelnen
Schriftzeichen so, daß jedes
zu dekodierende Zeichen einzeln als binäres Pixelbild in einem reservierten
Speicherbereich (im folgenden Pixelbox genannt) abgelegt wird. Es
dürfen hierbei
keinerlei Pixel eines Nachbarzeichens mit erfaßt werden.
- -2- Konturglättung
und Füllen
von Löchern
in der Kontur des in der Pixelbox abgelegten Zeichens, d.h. Korrektur
von grundsätzlichen
Fehlern der Rasterrotation infolge von Rundungen beim Errechnen
der Zielpixel-Koordinaten.
- -3- Merkmalextraktion: eine ausreichend hochbemessene Anzahl
von Merkmalen, mit denen sich jede Musterklasse von allen andern
Musterklassen des Zeichenvorrats des verwendeten Schrifttyps unterscheiden lassen,
wird ausgewählt.
Musterklasse ist ein Zeichen des Zeichenvorrats mit allen durch
Druck, ggf. Verschmutzung und Digitalisierung möglichen Variationen seiner
Normgestalt.
- -4- Dekodierung (Erkennung) des mit seinen Merkmalen beschriebenen
Zeichens im neuronalen Netz. Dieses wurde vorher mit einem repräsentativen
Satz von bekannten Vertretern der zu erkennenden Musterklassen trainiert.
Das Training soll neben den ungestörten Normzeichen insbesondere
auch Zeichen mit verfahrenstypischen Variationen verwenden. Die
Dekodierung liefert als Ergebnis das ASCII-Zeichen der erkannten
Musterklasse oder meldet eine sogenannte Rückweisung, wenn eine Klasse
nicht erkannt werden konnte. Auch mit Fehlklassifikationen ist zu
rechnen.
Die
im folgenden detailliert beschriebenen Prozesse benutzen zur Visualisierung
wiederum die VGA-Graphik mit Farbattributen. Die in 4. erfaßte und
ausgerichtete Textzeile wird wie in Bild 38 gezeigt positioniert.
Sie kann zufallsbedingt auch kopfstehend (180°-rotiert) angeboten werden.
5.1 Segmentieren der Schriftzeichen
Die
Segmentierung erfolgt in x- und y-Richtung analog zum Verfahren
nach 3.3 wiederum durch Histogrammanalyse. Es werden jetzt jedoch
alle Pixel des Musters Textzeile verarbeitet.
5.1.1 Segmentierung in
x-Richtung
Linke
und rechte Begrenzung der Zeichen werden durch die in Bild 38 gezeigte
Lückenfunktion,
die mit dem Histogramm über
die x-Achse korreliert wird, ermittelt. Die Lückenfunktion wird mit Kenntnis
des vorgegebenen und aus 3.3 bestätigten Zeichenabstandes dz
konstruiert und hat die Werte +1 über die mittlere Breite der
erwarteten Lücken,
0 über
die mittlere Breite des Zeichens. Eine sich typischerweise ergebende
Korrelatiosfunktion ist in Bild 38 gezeigt. Das Minimum der Korrelationsfunktion
bestimmt die Positionierung der Lückenfunktion so, daß deren
Position der Lücken
mit der mittleren Lückenposition
der Textzeile übereinstimmen.
Die in Bild 38 gezeigten vertikalen Trennungslinien zwischen den
OCR-Zeichen sind die so ermittelten Lückenmitten.
5.1.2 Segmentierung in
y-Richtung
Obere
und untere Begrenzung der Zeichen und damit der Textzeile werden
durch Auswertung des Histogramms in Bild 38 rechts oben über die
y-Achse so gebildet, daß ein
Histogrammbetrag kleiner als 3 Pixel unter der Bedingung, daß dieser
Fall nicht innerhalb des Histogramms, sondern nur an den Grenzen
auftritt, die Begrenzung kennzeichnet. Ein Sicherheitsbereich von
jeweils 3 Pixeln Höhenabstand
wird oben und unten dem Ergebnis zugeschlagen und die somit ermittelte
obere und untere Begrenzungslinie in Bild 38 gezeigt.
5.1.3 Pixelbox
Wie
man erkennt, liegt ein Zeichen stets innerhalb des durch die Begrenzungslinien
gebildeten Zeichenframes aus dz × hz Pixel, auch Blanks werden
korrekt berücksichtigt.
Störungen
in Form einzelner isolierter Pixel (Spots) irritieren das Verfahren
nicht. Der Inhalt eines Zeichenframes wird in der in Bild 38 gezeigten Pixelbox
zur Visualisierung von Zeichen und Segmentierung in 4-fach gezoomter
Darstellung gezeigt. Alle weiteren Schritte bis zur Merkmalextraktion
werden anhand der Pixelboxdarstellung erklärt.
Die
Pixelbox hat eine Größe von 30
(Breite) × 40
(Höhe)
Pixel, so daß binäre Zeichenmuster
mit. einem Informationsgehalt von bis zu 30 × 40 = 1200 Bit bearbeitet
werden können.
Der Hintergrund der Pixelbox hat den Wert 0, gesetzte Pixel der
Zeichenkontur erhalten den Wert 1.
Die
gewählte
Größe der Pixelbox
ist dem Stande der Technik nach ausreichend für eine Erkennung von OCR-Zeichen
direkt im Ortsbereich mit neuronalen Netzen. Typische Pixelabmessungen
von Zeichenframes veröffentlichter
Arbeiten liegen zwischen 10 × 10
und 32 × 32
mit einer Häufung
bei ca 20 × 20
Pixeln /9/, /10/, /12/, /13/, /18/. Nur in Sonderfällen werden
größere Abmessungen
verwendet: 61 × 61
in /15/.
Das
Verfahren der visuell beobachtbaren und vergrößert dargestellten Pixelbox
wurde eingeführt,
um zu Optimierungs- und Testzwecken vor Übergabe von Merkmalen an das
neuronale Netz die Zeichengestalt beurteilen und den Vorgang der
Merkmalextraktion verfolgen zu können.
Mit Rücksicht
auf industriellen Einsatz und Bedienung/Umstellung durch angelernte
Kräfte
ist dies ein wesentlicher Vorteil des Verfahrens im Vergleich zu
einer Black-Box Realisierung.
5.2 Konturglättung, Füllen von
Löchern
Mit
den in Bild 39 gezeigten Faltungsmasken werden 1-Pixel breite Ausbrüche am Rand
der Kontur und 1-Pixel große
Löcher
im Inneren der Zeichenkontur geschlossen. Die Wirkung ist durch
Vergleich der Pixelboxen in den Bildern 38, 39 und 41, 42 beispielhaft
zu verfolgen.
5.3 Merkmalextraktion"
Von
den bekannten Möglichkeiten
der Merkmalextraktion binärer
Muster /20/, /21/,
- – Feature Extraction
- – Orthogonaltransformation
des Musters (Fourier-Transformation /25/ oder Walsh-Transformation
/19/)
- – direkte
Auswertung des Musters im Ortsraum
wurde das letztere
gewählt
und das Verfahren in Bild 40 gezeigt.
Über das
sich in der Pixelbox befindende OCR-Zeichen wird ein orthogonales
Gitterraster mit 12 äquidistanten
Zeilen und 10 äquidistanten
Spalten gelegt. An den Kreuzungspunkten von Zeilen und Spalten wird das
OCR-Zeichen abgetastet: damit werden 12 × 10 = 120 Bit der Informationsmenge
des Zeichens als binäre Merkmale
systematisch herausgegriffen. Die Position des Zeichens innerhalb
der Pixelbox ist dabei gleichgültig,
da effektive Zeichenbreite und -Höhe (im Beispiel 23 bzw. 30
Pixel) die linke/rechte und obere/untere Begrenzung des Rasters
festlegen. Auch die Größe des Zeichens
darf in Grenzen variieren: die untere Grenze ist mit 12 × 10 Pixel
(dichtmöglichste
Rasterlinien), die obere durch die Pixelboxabmessungen gegeben (dann aber
keine Positionsvarianz mehr möglich).
Innerhalb technisch vernünftiger
Grenzen erfolgt die Merkmalextraktion damit translations- und größeninvariant.
Rotation ist bis auf den Restfehler der Feinsuche 3.5.2 ausgeschlossen.
Translations-
und Größeninvarianz
sind sehr wesentliche Eigenschaften für industrielle Anwendungen,
da neuronale Netze vertretbaren Aufwandes diese Eigenschaften fordern.
Erste Ansätze
zur Entwicklung neuronaler Netze, die auch ortsvariante Muster erkennen
können,
sind noch Forschungsgegenstand /11/, /16/. Die praktische Notwendigkeit
einer begrenzten Größeninvarianz
ergibt sich z.B. aus folgender Anwendung:
die Kamera beobachtet
die Oberfläche
eines Förderbandes.
Pakete unterschiedlicher Höhe
mit OCR-Etiketten ergeben unterschiedliche Zeichengrößen in der
Bildebene infolge der wechselnden Gegenstandsweite.
5.3.1 Merkmalvektor
Das
durch 120 Merkmale beschriebene OCR-Zeichen wird durch zeilenweises
Auslesen des Abtastgitters als eindimensionaler Merkmalvektor mit
120 binären
Komponenten (0 = Hintergrund, 1 = Kontur) der Erkennungseinheit – einem
neuronalen Backpropagation-Netz zugeführt.
5.3.2 Variation der Merkmalanzahl
Aus
der Beschreibung 5.3 folgt, daß auch
Abtastgitter anderer Spalten- oder Zeilenzahl realisierbar sind.
Orientierende Versuche mit ca 500 Zeichen (Ziffern 0–9) zeigten,
daß zur
Erkennung mit dem unter 5.4 gezeigten Netztyp bei einer Erkennungsrate
von ca 99% (d.h. 1% Rückweisungen
oder Fehlklassifizierungen) bei etwa gleicher Druckqualität der Zeichen
mit Drucker HP 550C und etwa gleicher Szenenbeleuchtung, aber beliebiger
Rotationslage bei der Bildaufnahme, 12 × 10 Merkmale nicht unterschritten
werden sollten.
Eine
Erhöhung
auf 35 × 25
= 875 Merkmale wurde realisiert, brachte jedoch keine signifikante
Verbesserung. Sie könnte
jedoch bei Ausdehnung des Zeichenvorrates auf den gesamten alphanumerischen
Zeichensatz erforderlich werden.
5.4 Neuronales Netz
Zur
Zeichenerkennung wird ein 3-schichtiges Netz (Input-Schicht, Hidden-Schicht,
Output-Schicht) vom Multi-Layer Perzeptrontyp /22/ angewendet und
mit der Backpropagation Lernmethode /22/, /23/, /24/ trainiert.
Nachstehend wird dies dem Sprachgebrauch folgend als Backpropagation-Netz
bezeichnet.
Die
Netztopologie ist aus Bild 44 ersichtlich.
5.4.1 Aufbau des Netzes
Die
in Bild 44 gezeigte Topologie ist in procedure backpropagation (Anhang)
realisiert worden:
- – der Input-Schicht, bestehend
aus 120 Übergabeneuronen
(Output = Input) wird der binäre
Merkmalvektor xn(i) wie in 5.3.1 ermittelt angeboten. Die Komponentenzählung i
läuft von
1 bis 120
- – die
aus 10 Neuronen bestehende Hidden-Schicht setzt die aus dem Input
und der Gewichtungsmatrix w_hid(r,i), einschließlich eines für alle Elemente
konstanten Bias = 1, errechnete Propagierungsfunktion (kumulierter
Input) net(r) in die Ausgangsfunktion o_hid(r) um. Es wird die sigmoide
Transferfunktion (Aktivierungsfunktion) o_hid(r)
= 1/(1 + exp(–g_hid·net(r))mit
g_hid = 1
angewendet und damit die Ausgangsfunktion o_hid(r)
der Hidden-Schicht auf den Wertebereich 0 bis 1 begrenzt
- – die
Output-Schicht enthält
für jede
der 10 Zeichenklassen 1 Neuron. Die Neuronen der Output-Schicht sind
im Aufbau identisch mit denen der Hidden-Schicht. Es wird die gleiche
sigmoide Transferfunktion zur Berechnung der Ausgangsfunktion yn(r)
der Zeichenklassen wie in der Hidden-Schicht verwendet. Die Gewichtungsmatrix
ist w_out(r,i).
Damit
besteht das Backpropagation-Netz aus 140 Neuronen und 121 × 10 + 10 × 10 = 1320
Verbindungen = Gewichte.
Die
Gewichtungsmatrizen wurden mit dem Neuro-Compiler NC /24/ trainiert
und als Download in das Netz übertragen.
5.4.2 Training des Netzes
Bisher
wurde das Netz exemplarisch zum Beweis seiner grundsätzlichen
Brauchbarkeit mit nur 50 Mustern der Klassen 0 bis 9 (Schrifttype
Courier 10 Zeichen/Zoll, siehe Bild 2) auf dem Neuro-Compiler unter Einstellung
der gleichen Netztopologie wie Bild 44 trainiert.
Die
Lernparameter /23/, /24/, /26/, /27/ wurden wie folgt eingestellt:
Auf
einem 486-er PC, Takt 50 MHz, ergab sich der gewünschte Abbruchfehler nach einer
Rechenzeit von ca 5 Minuten entsprechend einer Anzahl von 379 Zyklen.
Die Muster wurden mit HP 550C schwarz gedruckt und vom Framegraber
durch Verstellen der Digitalisierungsschwelle mit dünner, mittlerer
und dicker Kontur aufgenommen. Die Reihenfolge, in der Lernmuster
angeboten werden, ist generell als kritisch anzusehen /23/, /22/ – das Netz
muß die
zu lernenden Muster offensichtlich gleichmäßig zugeführt bekommen: im vorliegenden
Fall wurden die Muster 5 mal in der Folge 0 bis 9 angeboten.
Die
Musterauswahl wurde mit Hilfe der Pixelbox 5.1.3 unter Nennung der
Zeichenklasse getroffen und im NC-Lernfileformat /24/ zusammengestellt.
Ein Ausschnitt aus einem Lernfile ist in Bild 45 gezeigt.
Bild
46 zeigt die derzeitige einfache Menüsteuerung für die Erstellung der Trainingsfiles,
bzw. zur Erkennung einer unbekannten Textzeile (Pkt 14).
Die
nach dem exemplarischen Training erhaltenen Ergebnisse wurden in
5.3.2 geschildert.
5.4.3 Klassifizierung
und Ausgabe
Der
in 5.3.1 beschriebene Merkmalvektor wird über eine 2-dim. Matrix (Komponentenzählung, lfd.Nr. z
des Zeichens der Textzeile) an das Netz übergeben. Zunächst wird
dabei angenommen, daß die
Textzeile aufrecht steht: Normallage. Die Ergebnisse des neuronalen
Netzes yn(r) für
jedes Zeichen z liegen wie beschrieben zwischen 0 und 1, mit typischen
Werten für
gute Erkennung etwa im Bereich 0,96 bis 0,99. Die Summe aller so
ermittelten Klassenergebnisse wird gebildet und zunächst gespeichert,
siehe max_sum in Bild 47. Die Textzeile wird anschließend durch
umgekehrtes Auslesen der den Merkmalvektor und die Zeichenzählung enthaltenden
Matrix um 180° rotiert,
also angenommen, daß sie
kopfstehend vorliegt: 180-Grad-Lage und wiederum max_sum gebildet.
Typischerweise unterscheiden sich beide Werte (Ausnahme Textzeilen
aus Ziffern 0, 6, 9 – bei
denen aber auch eine vom Menschen getroffene Entscheidung nicht
eindeutig sein kann). Die Orientierung entspricht dem größeren der
beiden Werte für
max_sum.
Nach
Ermittlung der Orientierung erfolgt die Bestimmung der Zeichenklassen.
Bild 47 zeigt beispielhaft die Bewertung des Zeichens z = 1, Klasse
r = 1 aus Bild 18. Die für
die Bewertung erforderlichen Größen werden
in procedure bewertung_1 errechnet, siehe Anhang. Es bedeuten yz(z,r)
= Outputvektor yn(r) über
alle Zeichen z, 1 = Klassenanzahl.
In
procedure ascii_out wird durch Vergleich von höchstem und nächsthöchstem Klassenmaximum,
sowie dem Mittelwert aller Klassen entschieden auf:
- – Zeichen
als Klasse 0 bis 9 sicher erkannt
- – Zeichen
als Blank erkannt
- – Zeichen
nicht gesichert erkannt (Rückweisung)
Entsprechend
dem Training nach 5.4.2 wird nur eine Schrifttype verwendet. Kommen
für eine
Erkennungsaufgabe mehrere gleichzeitig zu verwendende Schrifttypen
in Betracht, können
grundsätzlich
2 Verfahren angewendet werden
- – Training
aller Zeichen aller verwendeten Schrifttypen mit einem Netz und
Anwendung dieses Netzes zur Erkennung aller Zeichen der verwendeten
Schrifttypen, z.B. /14/ mit vorgeschalteter Feature Extraction
- – Jeder
verwendeten Schrifttype wird ein eigenes trainiertes Netz zugewiesen.
Da bei der Erkennung die Schrifttype im allgemeinen nicht bekannt
ist, wird die Dekodierung mit jedem Netz versucht und das beste Ergebnis
(etwa im Sinne der oben geschilderten Bewertung der Klassenergebnisse)
ausgewählt.
Ein
grundsätzlicher
Versuch zum letzteren Verfahren wurde im Falle nur zweier verwendeter
Schrifttypen in dieser Arbeit erfolgreich durchgeführt:
Es
wurden Etiketten mit OCR-B und Courier nach Bild 2, Zeichen 0 bis
9 zufällig
vorgelegt und durch Umladen der vorher entsprechend trainierten
Matrizen w_hid und w_out dekodiert und das Ergebnis über den
maximalen Betrag von max_sum ermittelt.
Literatur
- /1/ Zukunftssicher: der Barcode Produktion,
26.1.95, Nr.4, S.9
- /2/ Wevelsiep, K., Intelligenter Positions- und Klarschriftsensor
Elektronik, 1983, Nr.16, S.95-98
- /3/ Verfahren und Vorrichtung zum Identifizieren von Gegenständen Patentschrift DE3014350 , 24.3.83
- /4/ Verfahren und Vorrichtung zum Identifizieren von Gegenständen Europäische Patentschrift
0017950, 31.8.83
- /5/ OCR-Handleser 2481. Technische Beschreibung Siemens AG,
1980
- /6/ Höfer,
H., Koch, R., Aufbau einer Video-Interface-Karte Diplomarbeit der
Fachhochschule Gießen-Friedberg,
1989
- /7/ Taschenbuch Mathematischer Formeln und moderner Verfahren
Thun u. Frankfurt: Harn Deutsch Verl. 1992 ISBN 3-8171-1241-6, S.
701–703
- /8/ Spehr, F.: Untersuchungen zur digitalen Bildverarbeitung
und zur optischen Texterkennung Diplomarbeit der Fachhochschule
Gießen-Friedberg,
1991
- /9/ Föhr,
R., Raus, M.: Automatisches Lesen amtlicher Kfz-Kennzeichen Elektronik,
1994, H.1, S.60–G4
- /10/ Heilmann, Steffen: Untersuchungen zur Kfz-Nummernschilderkennung
mit einem ARTMAP-Netz Diplomarbeit der Fachhochschule Jena, 1993
- /11/ Perantonis, Stavros J., Lisboa, Paulo J.G.: Translation,
Rotation, and Scale Invariant Pattern Recognition by High-Order
Neural Networks and Moment Classifiers IEEE Transactions on Neural
Networks, Vol.3, No.2, March 1992, pp 241–251
- /12/ White, Brian A., Elmasry, Mohamed I.: The Digi-Neocognitron:
A Digital Neocognitron Neural Network Model for VLSI IEEE Transactions
on Neural Networks, Vol.3, No.1, January 1992, pp 73–85
- /13/ Fukushima, Kunihiko, Wake, Nobuaki: Handwritten Alphanumeric
Character Recognition by the Neocognitron IEEE Transactions on Neural
Networks, Vol.2, No.3, May 1991, pp 355–365
- /14/ Sabourin, Michael, Mitiche, Amar: Optical Character Recognition
by a Neural Network Neural Networks, Vol.5, 1992, pp 843–852
- /15/ Kim, Eun Jin, Lee, Yillbyung: Handwritten Hangul Recognition
Using a Modified Neocognitron Neural Networks, Vol.4, 1991, pp 743–750
- /16/ Coolen, A.C.C., Kuijk, F.W.: A Learning Mechanism For Invariant
Pattern Recognition in Neural Networks Neural Networks, Vol.2, 1989,
pp 495–506
- /17/ Felten, E.W., Martin, O., Otto, S.W.: Multi-Scale Training
of a Large Backpropagation Net Biol. Cybern, 62, 1990, pp 503–509
- /18/ Säckinger,
Eduard, Boser, Bernhard E., Bromley, Jane: Application of the ANNA
Neutral Network Chip to High-Speed Character Recognition IEEE Transactions
on Neural Networks, Vol.3, No.3, May 1992, pp 498–505
- /19/ Rajavelu, A., Musavi, M.T., Shirvaikar, M.V.: A Neural
Network Approach to Character Recognition Neural Networks, Vol.2,
1989, pp 387–393
- /20/ Zamperoni, P.:: Methoden der digitalen Bildsignalverarbeitung,
Braunschweig u. Wiesbaden: Vieweg Verl. 1989. ISBN 3-528-03365-7
- /21/ Niemann, H.: Methoden der Mustererkennung, Frankfurt a.M.:
Akademische Verlagsgesellschaft 1974. ISBN 3-400-000213-5
- /22/ Kinnebrock, W.: Neuronale Netze München: Oldenbourg Verl. 1994.
ISBN 3-486-22947-8
- /23/ Schöneburg,
E., Hansen, N., Gawelczyk: Neuronale Netzwerke Haar: Markt u. Technik
Verl. 1990. ISBN 3-89090-329-0
- /24/ Handbuch zum Neuro-Compiler NC, Version 1.0 NeuroInformatik
GmbH, Berlin, Überlingen,
1992
- /25/ Haberäcker,
P.: Digitale Bildverarbeitung München:
Hanser Verl. 1987. ISBN 3-446-14901-5
- /26/ Cichocki, A., Unbehauen, R.: Neuronal Networks for Optimization
and Signal Processing Stuttgart: Wiley u. Teubner Verl. 1993. ISBN
3-519-06444-8
- /27/ Ritter, H., Martinez, T., Schulten, K.: Neuronale Netze
Bonn Addison-Wesley Verl. 1991. ISBN 3-89319-172-0
Pascal-Proceduren
Zum
Verständnis
der Wirkungsweise der für
das Verfahren der zufallsgesteuerten Suche und der für die Zeichendekodierung
mit neuronalen Netzen wichtigsten Algorithmen sind die entsprechenden
PASCAL-Prozeduren des derzeit realisierten Programms als Listing
angefügt
- – procedure
rauschen
- – procedure
regression
- – procedure
histogramm
- – procedure
hist_korr
- – procedure
backpropagation
- – procedure
bewertung_1
- – procedure
display_bewert
- – procedure
ascii_out