KR100954137B1 - 슬라브 정보 인식을 위한 관리번호 추출 방법 - Google Patents

Abstract

본 발명은 슬라브 정보 인식을 위하여 관리번호를 추출하는 기술에 관한 것으로, 더욱 상세하게는 경계 영상의 추출을 위한 경계영상 추출단계와; 상기 추출된 경계 영상에서 후보 문자열의 추출을 위한 후보 문자열 추출단계와; 상기 추출된 후보 문자열에서 문자열의 상하 위치의 결정을 위한 상하 위치 결정단계와; 상기 상하 위치가 결정된 문자열에서 문자열의 좌우 위치의 결정을 위한 좌우 위치 결정단계 및; 상기 좌우 위치가 결정된 문자열에서 문자열을 문자로 분할을 위한 문자열 분할단계를 포함한다.

슬라브, 후보 문자열, 문자성 점수, 문자의 기울기, 문자의 두께

Description

슬라브 정보 인식을 위한 관리번호 추출 방법{Edge-based Text Localization and Segmentation Algorithms for Automatic Slab Information Recognition}

본 발명은 슬라브 정보 인식을 위하여 관리번호를 추출하는 기술에 관한 것으로, 더욱 상세하게는 슬라브 영상에서 관리번호를 인식하는 슬라브 정보 인식을 위한 관리번호 추출 방법에 관한 것이다.

최근 들어, 제철소의 크레인을 무인화해 슬라브를 정확하게 집어 올리기 위한 높은 수준의 제어기술이 필요하고, 첨단의 장비들이 소요되고 있다.

이로 인해 더욱 많은 양의 슬라브가 생산되고 있어 이에 대한 철저한 관리가 절실히 필요한 실정이다.

이런 많은 양의 슬라브를 관리하는 방법으로 각 슬라브마다 고유의 관리번호를 쓰고, 호스트 컴퓨터에서 보내 온 슬라브의 관리번호와 현재 들어온 슬라브에 기재되어 있는 관리번호의 일치 여부를 관리자들이 직접 보고 확인을 함으로써 이루어지고 있다.

이런 단계를 자동화를 하게 되면 기업체에게는 인건비 절약을 할 수 있게 되고, 제철소의 무인화 시스템에 한발 더 다가가게 되는 계기가 될 것이며, 작업에 효율적인 측면에서도 적지 않은 향상을 가져 올 것으로 예상된다.

하지만, 슬라브의 관리번호 인식은 바코드나 알에프아이디(Radio Frequency IDentification, 이하 'RFID')를 사용하기에는 부적합하다.

일반적으로 제철소의 내부에서 이루어지는 작업에는 고온의 처리과정을 거칠 수밖에 없다.

이런 환경에서 고온을 견딜 수 있는 RFID나 바코드를 사용하기는 비용이 비싸지고, 아울러 생산 단가의 증가하여 경제적인 측면에서 치명적인 단점을 가져 온다.

이러한 이유 때문에 관리번호 인식은 영상처리를 통해서 하는 것이 가장 적합하다고 할 수 있다.

일반적으로 문자를 인식하는 방식에는 크게 두 가지로 나눌 수 있다.

첫 번째는 문자들이 있는 영역을 먼저 추출하고, 그 영역에서 문자를 추출하는 방식이다.

두 번째는 명암값을 이용하여 문자들이 있는 영역과 문자를 동시에 추출하는 방식이 있다.

처음 방식은 정확도가 높은 반면에 많은 메모리와 처리 시간을 요구하는 단점이 있으며, 두 번째 방식은 처리 속도는 개선 할 수 있으나, 정확도가 떨어지는 단점을 가지고 있다.

이런 장·단점을 감안한다면, 제철소의 슬라브 관리번호 추출 및 인식에서는 첫 번째 방식을 선택하는 것이 유리하다.

왜냐하면, 일단 슬라브가 크레인에 의해 옮겨지면 다시 그 슬라브를 옮기는데 다소 시간이 소요된다.

물론 긴 시간은 아니지만, 영상에서 문자를 인식하는데 충분한 시간이 되기 때문에 시간에 대한 제약에서는 다소 자유롭다고 할 수 있다.

또, 많은 양의 슬라브를 관리 및 판별해야 하기 때문에 그 무엇보다도 정확도도 필수적이다.

그래서 다시 연산 속도가 느려 시간이 걸리더라도 정확도 높은 방식을 선택하는 것이 유리하다고 할 수 있다.

따라서 첫 번째 방법을 사용할 경우, 문자들이 있는 영역을 추출해 내기 위해서 수직 성분만 추출해 내는 필터를 사용하여 X, Y축에 투영(Projection)을 실시한다.

이와 같은 방법으로 문자들이 있는 영역을 대략적으로 구분할 수 있게 된다. 다음으로 구분된 문자들을 유사도법을 이용하여 인식하도록 한다.

유사도법이란 일종의 모델을 이용하여 입력 영상이 기존의 모델들 가운데 가장 유사한지를 선택하여 문자를 인식하는 방법이다.

그러나 제철소의 작업 현장은 일반적인 환경과는 현격한 차이를 보이고 있어 일반적인 알고리즘을 적용하기에는 부적합하다.

예를 들어 차량 번호판 인식의 경우에는 잡음과 훼손이 적어서 비교적 깨끗한 영상을 얻을 수 있다.

반면에 슬라브 영상인 경우에는 제철소 내의 많은 먼지와 일정하지 않은 조 명과 열에 의한 문자의 훼손 등 취약한 환경적 요인으로 깨끗한 영상을 얻기가 어렵다는 문제점이 있었다.

본 발명은 상술한 바와 같은 종래기술의 문제점을 해결하기 위해 안출된 것으로서, 본 발명의 목적은, 특히 열악한 환경에서도 슬라브의 관리번호를 추출하기 위한 슬라브 정보 인식을 위한 관리번호 추출 방법을 제공하는 것이다.

이를 위해 본 발명에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법은, 경계 영상의 추출을 위한 경계영상 추출단계와; 상기 추출된 경계 영상에서 후보 문자열의 추출을 위한 후보 문자열 추출단계와; 상기 추출된 후보 문자열에서 문자열의 상하 위치의 결정을 위한 상하 위치 결정단계와; 상기 상하 위치가 결정된 문자열에서 문자열의 좌우 위치의 결정을 위한 좌우 위치 결정단계 및; 상기 좌우 위치가 결정된 문자열에서 문자열을 문자로 분할을 위한 문자열 분할단계를 포함하는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법을 포함한다.

본 발명에 따르면, 조명의 변화가 심하고 복잡한 주변 환경 속에서 열에 의해서 관리번호가 많이 소실되었을지라도 경계 영상을 생성할 수 있는 효과가 있다.

따라서 이 경계 영상을 기반으로 하여 문자열 추출은 물론이고 문자 분할까지 높은 성공률로 보다 정확하고 신속하게 슬라브 관리번호를 추출 및 인식할 수 있는 효과가 있다.

이하에서는 첨부된 도면들을 참조하여 본 발명의 실시 예에 따른 슬라브 정보 인식을 위한 관리번호 추출 방법을 상세히 설명한다.

본 발명을 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다.
아울러, 관리번호는 슬라브의 제조 장소 및 크기에 관한 일련의 정보를 가지고 있어서, 영상을 통해 프로그램이 이러한 슬라브 정보를 인식하기 위해서는 관리번호를 추출하는 것이 선행되야 할 것을 먼저 명확히 하는 바이다.

도 1은 본 발명의 실시 예에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법(100)을 보여주는 순서도이다.

도 1을 참조하면, 본 발명에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법은 컬러 영상의 경계 영상을 찾는 경계영상 추출단계(S110)와, 상기 추출된 경계영상을 기반으로 후보 문자열을 추출하는 후보 문자열 추출단계(S120)와, 상기 추출된 후보 문자열에서 문자열의 높이와 너비의 비율 및 문자성 점수를 이용하여 문자열의 상하 위치를 결정하는 문자열의 상하 위치 결정단계(S130)와, 상기 상하 위치가 결정된 영상에서 문자의 기울기와 두께를 이용하여 문자열의 좌우 위치를 결정하는 문자열의 좌우 위치 결정단계(S140) 및, 상기 문자열의 좌우 위치가 결정된 영상에서 문자열을 문자로 분할하는 문자열의 분할단계(S150)를 포함하여 구성된다.

도 1과 같이 구성된 본 발명의 실시 예에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법(100)을 설명하면 다음과 같다.

여기서는 도 1과 같이 구성된 본 발명의 실시 예에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법을 도 1 내지 도 6을 참조하여 순차적으로 설명한다.

도 1을 참조하면, 우선, 컬러 영상에서 경계 영상을 찾는 경계영상 추출단계(S110)가 진행된다.

바람직하게 컬러 영상은 슬라브 관리번호가 포함된 원래의 컬러 영상이다.

상기 경계영상 추출단계(S110)는 이방성 확산 필터(Weighted Median Filter based Anisotropic Diffusion, WMFAD) 적용과정(S111)과 경계검출 과정(S112)로 나뉘게 된다.

상기 경계 영상을 추출하는 실 예를 도 2를 참조하여 설명한다.

도 2는 본 발명의 실시 예에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법의 경계 영상 추출 단계의 예를 보여주는 사진이다.

도 2를 참조하면, 원래의 컬러 영상(a)은 이방성 확산 필터 적용과정을 거친 후에 처리 영상(b)과 같은 영상이 된다.

바람직하게, 이방성 확산 필터는 이방성 확산을 기반으로 한 필터로 영상의 잡음을 줄이고 영역별로 동질성을 높이는 역할을 한다.

마지막으로, 상기 처리 영상(b)으로부터 경계 영상(c)을 추출한다.

이와 같이 경계영상 추출단계(S110)를 행한 후, 상기 추출된 경계 영상(c)을 기반으로 후보 문자열을 추출한다(S120).

이 때, 상기 경계 영상(c)으로부터 닫힌 윤곽선만 남게 되는 영상을 추출한다.

바람직하게 상기 닫힌 윤곽선은 거의 닫힌 윤곽선(nearly closed connected contour)과 완벽히 닫힌 윤곽선(perfectly closed connected contour)으로 구분된다.

예를 들면 동그라미 모양의 영상의 경계를 추출하면 동그라미 형태의 영상이 되는데 윤곽선이 완벽히 이어지는 경우를 완벽히 닫힌 윤곽선이라하고, 거의 완벽히 이어지는 경우를 거의 닫힌 윤곽선으로 지칭한다.

즉, 본 발명에서는 경계가 완벽히 연결되거나 거의 연결된 영상을 완벽히 닫힌 윤곽선 또는 거의 닫힌 윤곽선이라고 지칭한다.

상기 닫힌 윤곽선은 경계 영상(c)을 참조하면, 경계가 연결된 닫힌 윤곽선을 의미한다.

다시, 상기 닫힌 윤곽선이 추출된 경계 영상(c)에서 닫힌 윤곽선들 중에서 높이(세로의 길이)가 최소 높이보다 작고 최대 높이보다 큰 닫힌 윤곽선들은 제거를 한다. 이때, 최소 높이와 최대 높이는 수천 장의 영상에서 글자들의 최대 높이와 최소 높이를 실험적으로 정한 값이다.

즉, 슬라브에 표기된 글자들은 수천장의 영상에 표기된 글자의 크기를 측정하여 평균 크기의 문자보다 높거나 낮다고 판단되는 높이의 영상을 제거하는 것이다.

그 후, 상기 닫힌 윤곽선이 추출된 영상에서 문자성 점수를 주는 과정을 거 친다.

도 3은 본 발명의 실시 예에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법에서 문자성 점수와 닫힌 윤곽선을 나타내는 영상의 예를 보여주는 예시도이다.

도 3의 (d)에 도시된 바와 같이, 후보 문자에서 가로 선(A)을 그어서 만나는 점들(310, 320)이 2개 있으면 1점의 점수를 얻게 된다. 하지만 가로 선이 만나는 점들이 1개 혹은 3개 이상이면 점수를 얻지 못하게 된다. 이와 같은 방법으로 후보 문자의 그을 수 있는 모든 가로선에 대해서 수행을 하여 점수를 합산한다.
마찬가지로, 세로에 대해서도 같은 과정을 반복한다. 왼쪽에서 오른쪽으로 그어진 가로 선(A)와 달리 위에서 아래로 세로 선을 그어서 만나는 점들을 이용해서 점수를 합산한다. 이 점수를 가로 선을 이용해서 얻은 점수와 합하여 문자성 점수를 만든다.
그런 후 각각의 후보 문자들이 얻은 점수를 비교하여 기준 문자성 점수 이상인 것을 닫힌 윤곽선으로 선택하고 나머지는 삭제하여 닫힌 윤곽선만 남은 영상을 추출한다.

삭제

삭제

즉, 문자는 일정 영역에서 조밀하게 배열되어 있기 때문에, 문자성 점수가 높다면 문자일 가능성이 크다는 전제로 추출한다.

도 3의 (e)는 상기 경계 영상(c)에서 (d)의 방식으로 처리하여 일정 점수 이상의 높은 점수를 얻은 성분을 남기고 삭제한 영상이다.

낮은 점수와 높은 점수의 기준은 다음과 같다. 도 3의 (d)에서 높이(H)의 20%와 너비(W)의 20%를 모두 기준 문자성 점수로 하여 닫힌 윤곽선을 판별하는 기준으로 삼는다.

이와 같은 일정 점수 이상 높은 점수를 갖는 성분들은 문자일 가능성이 크다는 점을 감안한 것이다.

따라서 도 1을 참조하면, 일정 점수 이상 높은 점수를 얻은 닫힌 윤곽선만을 남겨 추출된 영상에서 닫힌 윤곽선들의 상하의 위치가 겹치는 것들을 하나의 닫힌 윤곽선 집합으로 하여 좌에서 우 방향으로 구성되어 있는 닫힌 윤곽선 집합을 찾는다.

그 후, 상기 닫힌 윤곽선 집합을 모두 포함할 수 있는 상하 위치를 결정한다(S130).

즉, 문자열의 특징은 비슷한 높이의 좌에서 우 방향으로 구성되어 있다는 점을 고려한 것이다.

이렇게 결정된 문자열 상하의 위치들은 진짜 문자열과 후보 문자열로 구성되어 있다.

각 상하의 위치에 포함된 닫힌 윤곽선들의 점수를 모두 합산한 결과, 높은 점수를 가지는 순서로 영상에 포함된 문자열의 수만큼 진짜 문자열로 판단한다.

도 4는 본 발명의 실시 예에 따른 진짜 문자열과 후보 문자열을 보여주는 사진이다.

도 4를 참조하면, 먼저 상기 일정 점수 이상 높은 점수를 얻은 닫힌 윤곽선만을 남겨 추출된 영상에 대하여 비슷한 높이에 있는 닫힌 윤곽선들끼리 묶는 과정을 거쳐 후보 문자열들을 생성한다.

상기 문자열에서 닫힌 윤곽선들 간의 평균적인 X좌표(가로축)를 구하여 그 X좌표로부터 가장 멀리 떨어져 있는 닫힌 윤곽선을 지운다.

그런 후에 남아 있는 닫힌 윤곽선으로 다시 문자열을 만들고, 다시 만들어진 문자열의 높이와 너비의 비율(너비/높이)을 계산하여 5~8 사이의 값이 나오는 것을 후보 문자열로 결정한다.

왜냐하면, 슬라브에 표시되는 문자는 높이와 너비가 5~8 정도의 비율을 갖기 때문이다.

그리고 도 1을 참조하여, 상기 영상에서 문자 경계에서의 기울기를 통해 얻은 문자의 너비와 두께를 이용하여 문자열의 좌우 위치를 결정한다(S140).

여기서, 문자열의 좌우 위치를 결정하는 단계(S140)는 먼저 대략적인 좌우 위치를 결정하는 과정(S141)과 각 문자가 차지하는 너비를 선택하는 과정(S142)과, 각 문자의 두께를 선택하는 과정(S143)으로 구성된다. 상기 대략적인 좌우 위치를 결정하는 과정에서는 아래와 같은 [수학식1]을 이용한다.

AR_max : 문자열의 높이와 너비의 비율(너비/높이)

H : 문자열의 높이, b : 위치를 나타내는 좌표

상기 과정을 거쳐 선택된 후보 문자열로부터 문자가 차지하는 너비를 선택하는 과정은 기울기와 방향을 이용한다. 도 3의 (e)에 도시된 바와 같이, 닫힌 윤곽선의 경계 영상은 도 5의 (f)에 도시된 바와 같이 종합할 수 있다.

도 5는 본 발명의 실시 에에 따른 경계 영상에서 기울기와 방향을 이용하여 문자의 너비와 두께를 구하는 과정을 보여주는 예시도이다.

도 5의 도번 511을 하나의 대표적인 영상이라고 한다면 상기 대표적인 영상에 대해서 기울기와 방향을 구한다.

다음의 [수학식2]는 기울기를 계산하기 위한 수식이다.

상기 [수학식2]를 이용하여 기울기를 계산한다.

도 5의 (g)는 도번 511을 선택된 경계영상을 보여준다.

도 5의 (g)에 도시된 바와 같이, 중앙의 흰색을 기준으로 주변의 흰색이 있는 위치를 좌표로 나타내면, l₁=-1, k₁=-1, l₂=0, k₂=1 와 같이 되고, 기울기를 계산할 수 있다. 상기 기울기에 따른 방향은 명암도 영상에서 도 5의 R1(520)과 R2(530)에 도시된 영역에 대해서 명암도 영상에서의 밝기정보를 이용해 옅은 영역에서 짙은 영역으로 향하는 방향을 선택한다.

상기 과정을 거쳐서 얻은 기울기와 방향을 도 5의 (h)에 도시된 바와 같이 닫힌 윤곽선에 적용을 하면, 도 5의 514에 도시된 부분에서 기울기와 방향을 구한 직선이 도 5의 515에 도시된 부분에서 만나게 된다.

반대로, 도 5의 (i)에 도시된 바와 같이 닫힌 윤곽선의 필요 없는 부분(516)은 없어지게 되어 문자의 너비를 결정하게 된다.

상기 문자의 두께를 선택하는 과정은 도 6의 (k)에 도시된 바와 같이 경계 영상에서 도 5의 도번 517에 도시된 바와 같이 임의 한 점에서 기울기와 방향(520)을 구하여 그에 따른 직선을 그어서 만나는 점(518)에 대하여 다시 기울기와 방향(521)을 구한다.

상기 두 기울기가 이루는 각의 크기가 90˚보다 작은 경우, 두 점 사이의 거리를 계산하여 구한다.

이 때 상기 후보문자열 내의 모든 닫힌 윤곽선에 대하여 두 점 사이의 거리의 평균을 구하면 문자의 두께가 된다.

그런 후, 이 두께를 이용하여 도 5의 519에 도시된 바와 같이, 후보 문자열 내의 모든 문자에 대하여 똑같은 두께의 문자로 되도록 영역을 확보하고, 그 확보된 공간 안에 도 2의 (a)에 도시된 컬러영상에서의 데이터 값을 넣는다.

마지막으로, 도 1을 참조하여, 상기 영상에서 문자열을 문자로 분할한 다(S150).

도 6은 본 발명의 실시 예에 따른 후보 문자열에서부터 진짜 문자열을 찾는 과정을 보여주는 예시도이다.

도 6을 참조하면, 상기 문자열의 분할 단계(S150)는 도 6의 (k)에 도시된 바와 같이 문자들 간의 간격이 일정함을 가정하여, 도 6의 (l)에 도시된 바와 같이 모든 후보 문자열을 대상으로 동일한 간격으로 분할선을 그은 후, 상기 분할선 사이의 화소값들을 이용해 평균들의 합을 계산하고, 상기 분할선 상의 화소값들을 이용해 분산들의 합을 계산하여, 상기 평균들의 합과 상기 분산들의 합의 나눗셈한 값이 가장 큰 후보 문자열(m)을 선택한다.

또한, 보다 정확한 문자의 분할을 위하여 도 6의 (n)에 도시된 바와 같이 각각의 붉은 선을 일정범위 내에서 움직여 편차가 가장 작은 위치에 가도록 옮겨서 최종적으로 진짜 문자열(611, 612)을 결정한다.

끝으로, 도 6의 613에 도시된 바와 같이, 빈 공간의 위치를 판단하여 도6의 (k)에 도시된 S₇의 영역과 위치를 비교하여 문자열의 뒤집힘과 그렇지 않음을 결정한다.

즉, 도 6의 (k)를 참조하면, (k)는 슬라브에 인쇄되는 일정 양식의 관리번호의 일예를 도시한다.

상기 관리번호 중 S₇은 빈 공간으로 되어있다.

만약, S₇이 특정 문자로 차있다면(예를 들어 '3'), 문자열이 뒤집힌 것을 의미하여 문자열의 위상을 180도 회전시켜 원래의 문자열을 추출한다.

이상과 같이 본 발명은 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시 예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

도 1은 본 발명의 실시 예에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법을 보여주는 순서도.

도 2는 본 발명의 실시 예에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법의 경계 영상을 추출 단계의 예를 보여주는 사진.

도 3은 본 발명의 실시 예에 따르는 슬라브 정보 인식을 위한 관리번호 추출 방법에서 문자성 점수와 닫힌 윤곽선을 나타내는 영상의 예를 보여주는 예시도.

도 4는 본 발명의 실시 예에 따른 진짜 문자열과 후보 문자열을 보여주는 사진.

도 5는 본 발명의 실시 에에 따른 경계 영상에서 기울기와 방향을 이용하여 문자의 너비와 두께를 구하는 과정을 보여주는 예시도.

도 6은 본 발명의 실시 예에 따른 후보 문자열에서부터 진짜 문자열을 찾는 과정을 보여주는 예시도.

Claims (13)

1. 슬라브 정보 인식을 위한 관리번호 추출 방법에 있어서,

   컬러 영상의 경계영상을 찾는 경계영상 추출단계와;

   상기 경계영상 추출단계에서 추출된 경계영상을 기반으로 후보 문자열을 추출하는 후보 문자열 추출단계와;

   상기 후보 문자열 추출단계에서 추출된 후보 문자열에서 문자열의 높이 뿐만 아니라 문자와 닮은 정도를 측정하는 문자성 점수를 통해 구한 닫힌 윤곽선들을 이용해서 문자열의 상하 위치를 결정하는 문자열의 상하위치 결정단계와;

   상기 문자열의 상하위치 결정단계를 거친 상하 위치가 결정된 영상에서 문자 경계에서의 기울기를 통해 얻은 문자의 너비와 두께를 이용하여 문자열의 좌우 위치를 결정하는 문자열의 좌우 위치 결정단계 및;

   상기 문자열의 좌우 위치 결정단계를 거친 문자열의 좌우 위치가 결정된 영상에서 문자열을 문자로 분할하는 문자열 분할단계를 포함하여 구성되는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
2. 제 1항에 있어서, 상기 경계 영상은

   관리번호가 포함된 원래의 영상인 상기 컬러 영상을 이방성 확산 필터(WMFAD: Weighted Median Filter based Anisotropic Diffusion) 적용과정을 거쳐 상기 컬러 영상의 경계를 검출한 영상인 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
3. 제 1항에 있어서, 상기 경계영상 추출단계는

   상기 컬러 영상에 이방성 확산 필터를 적용하는 이방성 확산필터 적용과정 및,

   상기 적용과정을 거친 영상에서 경계를 검출하는 경계검출 과정을 더 포함하는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
4. 제 2항 또는 제 3항에 있어서, 상기 이방성 확산 필터는

   이방성 확산을 기반으로 한 필터로 영상의 잡음을 줄이고 문자의 색상에 대한 동질성을 높이는 역할을 하는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
5. 제 1항에 있어서, 상기 후보 문자열 추출단계는,

   상기 추출된 경계영상에서 구한 후보 문자열 중에 높이(세로의 길이)가 기 결정된 최소 높이보다 낮고 기 결정된 최대 높이보다 높은 상기 닫힌 윤곽선들은 제거하는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
6. 제 1항에 있어서, 상기 닫힌 윤곽선은

   상기 후보 문자의 한 지점에서 가로선과 세로선을 각각 그어서 만나는 점이 2개 있으면 1점을 득정하는 방식을 통해 얻은 문자성 점수를 이용하여 상기 문자성점수의 총 합이 기준 문자성 점수 이상인 후보 문자들을 닫힌 윤곽선으로 판단하는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
7. 제 6항에 있어서, 상기 기준 문자성 점수는

   추출된 문자열 중 높이의 20%와 너비의 20% 모두를 상기 기준 문자성 점수로 하여 상기 닫힌 윤곽선의 판별 기준이 되는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
8. 제 1항에 있어서, 상기 문자열의 상하위치 결정단계는

   기준 문자성 점수 이상을 얻은 경계가 연결된 닫힌 윤곽선만을 남겨 추출된 영상에서 닫힌 윤곽선들의 상하의 위치가 겹치는 것들을 하나의 닫힌 윤곽선 집합으로 하여, 상기 닫힌 윤곽선 집합을 모두 포함할 수 있도록 상하 위치를 결정하는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
9. 제 8항에 있어서, 상기 닫힌 윤곽선 집합은

   후보 문자열들의 집합으로서, 각 상하의 위치에 포함된 닫힌 윤곽선들의 문자성 점수를 모두 합산한 결과, 높은 문자성 점수를 가지는 순서로 배열되는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
10. 제 1항에 있어서, 상기 후보 문자열들의 좌우 위치 결정 단계는

    먼저 후보 문자열의 높이와 너비의 비율을 이용해서 좌우 위치를 결정하는 과정과, 각 문자 경계에서의 기울기를 통하여 각 문자가 차지하는 너비를 결정하는 과정 및, 각 문자의 두께를 선택하는 과정을 포함하여 구성되는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
11. 삭제
12. 제 1항에 있어서, 상기 문자열 분할단계는

    모든 후보 문자열을 대상으로 동일한 간격으로 분할선을 그은 후, 상기 분할선 사이의 화소값들을 이용해 평균들의 합을 계산하고, 상기 분할선 상의 화소값들을 이용해 분산들의 합을 계산하여, 상기 평균들의 합과 상기 분산들의 합의 나눗셈한 값이 가장 큰 후보 문자열을 선택하는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.
13. 제 12항에 있어서, 상기 문자열 분할단계는

    각각의 선을 일정범위 내에서 움직여 편차가 가장 작은 위치에 가도록 옮겨서 최종적으로 진짜 문자열을 결정한 후, 빈 공간의 위치를 판단하여 상기 빈공간의 영역과 위치를 문자열과 비교하여 문자열의 상하 뒤집힘 여부를 결정하는 것을 더 포함하는 것을 특징으로 하는 슬라브 정보 인식을 위한 관리번호 추출 방법.

Images