오프라인 글씨 인식을 위한 은닉 마르코프 메쉬 랜덤 필드 모델

2차원 영상을 다루는데 있어 1차원 은닉 마르코프 모델(Hidden Markov Model : HMM)의 한계가 지적됨에 따라 새로이 등장한 은닉 마르코프 메쉬 랜덤 필드(Hidden Markov Mesh Random Field HMMRF) 모델은 영상의 모델링과 인식을 위한 새로운 통계적 모델이다. 이 모델은 영상이 마르코프 메쉬 랜덤 필드(Malkov Mesh Random Field MMRF)에 의해 표현될 수 있다는 가정하에서 제안된 모델로서, 본 논문에서는 2차원 통계적 모델인 HMMRF 모델을 기반으로 하여 오프라인 글씨 인식을 위한 새로운 방법론을 제안한다. 제안된 HMMRF 모델이 글씨 인식의 문제에 적용되기 위해서는 디코팅(혹은 레이블링) 단계와 훈련 단계가 필요하며 본 논문에서는 관측값들에 포함되어 있는 정보를 기반으로 화소의 상태를 결정하는 디코딩 문제를 중점적으로 다루고자 한다. 이 문제에 대한 해결 방안은 HMMRF 모델에 대하여 최대 주변 사후 확률 분포 기준에 기반을 둔 "look-ahead" 기법으로 부터 유도될 수 있다. 오프라인 글씨 인식을 위한 2차원 HMMRF 모델의 유용성을 입증하기 위하여 1차원 모델과의 성능 비교가 이루어졌으며, 실험 결과 HMMRF 모델이 기존의 1차원 모델이 갖는 한계를 극복할 수 있다는 점에서 오프라인 글씨 인식 분야에서 대표적인 통계적 모델로서 확립될 수 있으리라 판단된다.