카오스 이론의 프랙탈 차원과 어트랙터를 이용하여 특징을 추출하여 문자인식에 적용하는 새로운 방법을 제안함으로써 기존의 혼동문자에 의한 오인식 비율을 줄이고자 하였다. 먼저 인식기에 부담을 줄이기 위해서 각 문자에 대해 특징을 조사하여 분류를 행한다. 분류된 문자에 대해 각 문자에 해당하는 Box-counting dimension, Natural Measure, Information dimension을 구하여 특징을 추출하여 인식하였다. 또한 문자의 히스토그램의 값을 이용하여 어트랙터를 구성하고 어트랙터에서 차원 값을 구한 다음 문자 자체의 차원 값과 함께 특징으로 사용하여 인식하였다. 실험 결과 전체적인 인식율의 평균은 학습 데이터에 대해서는 평균 96.03%, 미학습 데이터에 대해서는 91.74%를 나타내어 제안된 방법의 유효성을 보였다.
In this paper, to reduce misrecognized characters, we propose the new method that extract features from character to apply to the character recognition using features from character to apply to the character recognition using fractal dimensions and attractors. Firstly, to reduce the load of recognizer we classify the characters. For the classified character, we extract the features for Box-counting dimensions. Natural Measures, Information dimensions then recognize characters. With histogram, we generate attractors and calculate dimensions from attractors. Then we recognize characters with dimensions of characters and attractors. An experimental result that the overall recognition rates for the training data and testing data are 96.03% and 91.74% respectively. This result shows the effectiveness of proposed method.
