Các giải thuật phát hiện chữ viết đối với các ngôn ngữ có dấu

Thông tin khoa học công nghệ<br /> <br /> CÁC GIẢI THUẬT PHÁT HIỆN CHỮ VIẾT<br /> ĐỐI VỚI CÁC NGÔN NGỮ CÓ DẤU<br /> Lê Ngọc Thúy*<br /> Tóm tắt: Có rất nhiều nghiên cứu trong thời gian gần đây về vấn đề phát hiện và<br /> nhận dạng chữ viết trong ảnh và video. Tuy nhiên, hầu hết các nghiên cứu này tập<br /> trung vào giải quyết bài toán đối với chữ viết tiếng Anh mà có rất ít nghiên cứu<br /> dành cho chữ viết của các ngôn ngữ khác. Trong khi đó, chữ viết có dấu là một vấn<br /> đề phức tạp để có thể định vị và nhận dạng chính xác do phần dấu thường nằm tách<br /> biệt so với phần chính của ký tự. Bài báo này giới thiệu tổng quan các giải thuật<br /> phát hiện chữ viết trong ảnh của các ngôn ngữ có dấu trên thế giới để cung cấp các<br /> hướng nghiên cứu đối với bài toán phát hiện chữ viết tiếng Việt.<br /> Từ khóa: OCR, Phát hiện chữ viết trong ảnh chụp, Nhận dạng chữ viết trong ảnh chụp.<br /> <br /> 1. GIỚI THIỆU<br /> Bài toán nhận dạng văn bản trong ảnh quét (Optical Character Recognition –<br /> OCR) là vấn đề đã được giải quyết tốt với nhiều sản phẩm thương mại trên thị<br /> trường. Tuy nhiên, phát hiện và nhận dạng chữ viết trong ảnh chụp là một vấn đề<br /> còn có nhiều thách thức và đang rất được các nhà khoa học quan tâm trong thời<br /> gian gần đây. Vấn đề này có những nét tương đồng nhưng gặp nhiều thách thức<br /> hơn so với bài toán OCR do các nguyên nhân sau:<br /> (i) Sự phức tạp của khung cảnh trong ảnh: có rất nhiều vật thể, biểu tượng,<br /> tranh ảnh,... xen lẫn vào trong khung cảnh của ảnh chụp tự nhiên với những<br /> họa tiết, cấu trúc và đặc trưng tương tự như chữ viết;<br /> (ii) Ảnh bị mờ, kém chất lượng do camera focus không đúng;<br /> (iii) Độ sáng trong ảnh không đồng đều;<br /> (iv) Chữ viết bị biến dạng do trục quang học của camera không vuông góc với<br /> mặt phẳng chữ viết.<br /> Bài toán nhận dạng chữ viết trong ảnh chỉ mới nhận được nhiều sự quan tâm<br /> của các học giả gần đây nhờ vào sự phát triển của các thiết bị di động về cả khả<br /> năng thu nhận hình ảnh và khả năng xử lý, tính toán. Kết quả của cuộc thi đọc máy<br /> ICDAR 2015 cho thấy: kết quả phát hiện và nhận dạng chữ viết còn thấp với<br /> trường hợp ảnh chụp ở góc độ bất kỳ. Khả năng nhận dạng chữ viết tốt nhất trong<br /> cuộc thi với ngữ cảnh tổng quát là 12,37% (các nghiên cứu khác cung cấp kết quả<br /> cao hơn sau cuộc thi đạt khả năng nhận dạng dưới 50%).<br /> Có nhiều bài báo tổng quan về các nghiên cứu trong lĩnh vực này trong thời<br /> gian gần đây. Nổi bật nhất là bài giới thiệu tổng quan gần đây của Q. Ye và D.<br /> Doermann [1] với hơn 200 bài báo tham khảo được phân loại một cách tổng quát<br /> thành hai nhóm. Nhóm thứ nhất bao gồm các giải thuật thực hiện các giai đoạn xác<br /> định vị trí có chữ viết trong ảnh, phân đoạn ký tự và nhận dạng ký tự một cách<br /> riêng rẽ dựa vào các mô-đun độc lập. Nhóm thứ hai bao gồm các giải thuật tiến<br /> hành các nhiệm vụ kể trên theo phương pháp tổng thể, thống nhất. Đối với mỗi<br /> nhóm, các phương pháp lại được phân chia theo các hướng tiếp cận khác nhau.<br /> Y. Zhu và các tác giả đưa ra bức tranh tổng quan khác về vấn đề phát hiện và<br /> nhận dạng chữ viết trong thời gian gần đây [2]. Bài báo tập trung vào giới thiệu các<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 46, 12 - 2016 163<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> giải thuật phát hiện và nhận dạng chữ viết đối với ảnh tĩnh. Ưu điểm của bài báo là<br /> đã nêu ra được các điểm mạnh và điểm yếu đối với một số các giải thuật tiêu biểu<br /> cho mỗi dạng bài toán. Đối với việc phát hiện chữ viết, các giải thuật có thể phân<br /> chia thành các hướng nghiên cứu chính như sau:<br /> - Hướng nghiên cứu dựa trên dạng hoa văn: các giải thuật phát triển theo hướng<br /> nghiên cứu này xem chữ viết là một dạng hoa văn đặc biệt và sử dụng các tính chất<br /> của hoa văn này để phân biệt giữa vùng có chữ viết và vùng không có chữ viết.<br /> Phương pháp này thường sử dụng cửa sổ quét dọc theo ảnh để rút trích ra các tính<br /> chất hoa văn trong toàn bộ ảnh. Nhược điểm của hướng tiếp cận dựa trên hoa văn<br /> là yêu cầu về khả năng tính toán lớn, dễ bị ảnh hưởng với hướng và kích cỡ của<br /> chữ viết.<br /> - Hướng nghiên cứu dựa trên các thành phần liên kết: hướng nghiên cứu này<br /> phân tích ảnh thành các thành phần liên kết với nhau, với mỗi nhóm liên kết được<br /> gán chung một nhãn duy nhất dựa vào sự tương tự về màu sắc hay khoảng cách<br /> trong không gian của các điểm ảnh. Sau đó, các giải thuật đề xuất các quy luật<br /> hoặc sử dụng bộ phân loại để phân biệt các vùng chứa chữ viết so với các vùng<br /> không chứa chữ viết. Hướng nghiên cứu này đang được quan tâm trong thời gian<br /> gần đây do yêu cầu tính toán ít hơn và thường ít bị ảnh hưởng bởi hướng và kích<br /> cỡ của chữ viết trong ảnh.<br /> - Bên cạnh đó, một số giải thuật tiếp cận bài toán theo hướng tích hợp, sử dụng<br /> nhiều dạng đặc trưng khác nhau để xác định vùng có chữ viết ở trong ảnh.<br /> Mặc dù vấn đề nhận dạng chữ viết trong ảnh/video đã nhận được rất nhiều sự<br /> quan tâm của các nhà nghiên cứu trong thời gian qua nhưng hầu hết các kết quả<br /> nghiên cứu đều tập trung vào việc phát hiện và nhận dạng chữ viết đối với tiếng<br /> Anh. Kết quả của cuộc thi nhận dạng chữ viết ICDAR 2013 nhấn mạnh rằng phần<br /> lớn các dấu chấm trong hai chữ cái “i” và “j” khi viết ở dạng chữ thường bị mất đi<br /> trong quá trình nhận dạng của các giải thuật. Do đó, nếu sử dụng trực tiếp các giải<br /> thuật này vào việc phát hiện và nhận dạng chữ viết tiếng Việt nói riêng, hay các<br /> ngôn ngữ có dấu nói chung, sẽ gặp khó khăn trong việc tách biệt và nhận dạng<br /> đúng các ký tự, chữ có dấu của các ngôn ngữ đó.<br /> Các bài phân tích tổng quan các giải thuật nhận dạng chữ viết trong ảnh trước<br /> đây chưa đề cập đến những vấn đề chi tiết trong phát hiện và nhận dạng của các<br /> ngôn ngữ khác. Bài báo này sẽ tập trung vào giới thiệu các giải thuật nhận dạng<br /> chữ viết trong ảnh và video của các ngôn ngữ có dấu trên thế giới để cung cấp<br /> thêm các cơ sở khoa học, hỗ trợ trong định hướng phát triển các giải thuật phát<br /> hiện, tách biệt chữ viết tiếng Việt trong ảnh và video. Phần 2 của bài báo sẽ giới<br /> thiệu một số công trình nghiên cứu phát hiện và nhận dạng chữ viết trong ảnh đối<br /> với một số ngôn ngữ có dấu trên thế giới như tiếng Ả-rập, tiếng Thái, tiếng Urdu.<br /> Phần 3 sẽ trình bày một số giải thuật xử lý đa ngôn ngữ. Cuối cùng, bài báo đưa ra<br /> một số kết luận và đề xuất cho việc nghiên cứu phát hiện và nhận dạng chữ viết<br /> tiếng Việt trong ảnh.<br /> 2. CÁC GIẢI THUẬT XỬ LÝ CHỮ VIẾT CÓ DẤU<br /> 2.1. Chữ viết Ả-rập<br /> <br /> <br /> 164 Lê Ngọc Thúy, “Các giải thuật phát hiện chữ viết đối với các ngôn ngữ có dấu.”<br /> Thông tin khoa học công nghệ<br /> <br /> Phần này giới thiệu một số nghiên cứu trong lĩnh vực định vị và nhận dạng chữ<br /> viết Ả-rập trong hình ảnh và video [3, 4, 5, 7, 8, 9].<br /> Fathalla, R. và các tác giả [3] đề xuất giải thuật để tách biệt phần chữ viết Ả-<br /> rập ra khỏi phần nền phức hợp phía sau từ một ảnh màu. Giải thuật sử dụng<br /> phương pháp các thành phần liên kết (Connected Components) sử dụng biến đổi<br /> Watershed từ ảnh màu RGB. Các vùng ảnh phân chia dựa trên biến đổi Watershed<br /> sẽ được nối lại với nhau dựa trên tính đồng nhất của vùng ảnh đấy. Sau đó, các<br /> vùng ảnh này được phân loại thành vùng chứa chữ viết Ả-rập hay không sử dụng<br /> phương pháp SVM (Support Vector Machine).<br /> Giải thuật M1 [4] là một trong các nghiên cứu gần đây định vị chữ viết Ả-rập<br /> trong video sử dụng phương pháp học máy. Nghiên cứu đã đề xuất hai giải thuật<br /> khác nhau sử dụng đặc trưng Haar-like và đặc trưng họa tiết các khối nhị phân<br /> (Multi-Block Local Binary Patterns - MBLBP) làm đầu vào của mạng nơ-ron để<br /> xây dựng các bộ phân loại vùng có chữ viết và vùng không có chữ viết. Giải thuật<br /> sử dụng các cửa sổ trượt với các kích thước khác nhau quét dọc theo khung hình để<br /> nhận biết mỗi vùng ảnh có chữ viết hay không. Kết quả thử nghiệm đối với các<br /> video lấy từ các kênh tin tức tiếng Ả-rập cho thấy giải thuật sử dụng đặc trưng họa<br /> tiết các khối nhị phân có kết quả định vị vùng có chữ viết Ả-rập tốt hơn giải thuật<br /> sử dụng đặc trưng Haar-like. Tuy nhiên, độ định vị chính xác cũng không vượt quá<br /> bảy mươi hai phần trăm.<br /> Đối với bài toán định vị và nhận dạng chữ viết Ả-rập trong video có thể kể đến<br /> các nghiên cứu của Halima và các tác giả [6]. Nghiên cứu này có ưu điểm là giải<br /> thuật xử lý phân đoạn video trước khi định vị chữ viết trong khung hình. Để phân<br /> đoạn video, các khung hình sẽ được nhóm lại thành các nhóm chính dựa trên kỹ<br /> thuật nhận dạng khuôn mặt. Giải thuật cũng sử dụng phương pháp tích hợp nhiều<br /> khung hình (Multiple Frames Integration - MFI) để tối thiểu sự thay đổi của cảnh<br /> nền. Nghiên cứu sử dụng các trích chọn đặc trưng được xây dựng dựa trên cường<br /> độ sáng của ảnh màu (trong không gian HSV) và dựa trên các đường biến (xác<br /> định bằng toán tử Sobel) để làm đầu vào cho mạng nơ-ron phân loại vùng có chữ<br /> viết và vùng không có chữ viết. Kết quả định vị chữ viết Ả-rập của phương pháp<br /> này tương đối khả quan với độ chính xác định vị đạt xấp xỉ chín mươi phần trăm.<br /> 2.2. Chữ viết Thái Lan<br /> Việc phát hiện và nhận dạng chữ viết Thái trong ảnh có nhiều điểm khác biệt so<br /> với phát hiện và nhận dạng chữ viết tiếng Anh. Tuy nhiên, hiện vẫn còn rất ít<br /> nghiên cứu đóng góp cho vấn đề này [10, 11, 13, 15, 16, 17].<br /> Wittaya và các tác giả đề xuất giải thuật phát hiện và tách biệt chữ viết Thái tự<br /> động dựa vào các thành phần liên kết xây dựng dựa trên các đường biên (xác định<br /> bằng phương pháp Laplacian of Gaussian) [14]. Các thành phần liên kết được xem<br /> là có khả năng là ký tự (dựa vào tỷ số giữa chiều rộng và chiều cao) sẽ được phân<br /> lớp để tìm ra các nguyên âm và dấu nằm ở trên và dưới thành phần chính của dòng<br /> chữ. Các chữ viết sau đó được tách ra khỏi ảnh nền dựa vào mô hình Gaussian hỗn<br /> hợp trên các lớp màu khác nhau. Tuy nhiên, phương pháp này chỉ mới thử nghiệm<br /> trên các ảnh bảng chỉ dẫn đơn giản có độ phân giải thấp.<br /> Trong khi đó, một giải thuật được đề xuất trong thời gian gần đây có khả năng<br /> phát hiện và nhận dạng chữ viết Thái với độ chính xác lên đến 80% [10]. Giải thuật<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 46, 12 - 2016 165<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> sử dụng trích chọn đặc trưng SIFT (Scale Invariant Feature Transform) để xây<br /> dựng một bảng cơ sở dữ liệu các đặc trưng của mỗi ký tự. Mỗi ký tự sẽ được mô<br /> hình hóa dựa trên các dữ liệu đặc trưng trong cơ sở dữ liệu sử dụng thuật toán K-<br /> means Clustering (kỹ thuật phổ biến để chia một nhóm các đối tượng với số lượng<br /> lớn thành k nhóm với đặc tính riêng cho mỗi nhóm). Mô hình các ký tự này sẽ<br /> được so sánh với vùng ảnh quan tâm để nhận dạng ký tự.<br /> Trong khi các nghiên cứu kể trên áp dụng các quy luật toán học để phát hiện<br /> chữ viết Thái, Thananop và các tác giả sử dụng mạng nơ-ron để định vị chữ viết<br /> Thái trong ảnh [12]. Một cửa sổ trượt dùng để quét vùng hình ảnh và đưa vào<br /> mạng nơ-ron phát hiện chữ viết (dùng phương pháp Convolutional Neural<br /> Network). Sau đó, giải thuật xác định các đường cơ sở của các vùng chữ viết, loại<br /> bỏ các đường cắt vô nghĩa giữa các đường cơ sở. Do đặc trưng của chữ viết Thái<br /> có nhiều lớp nên giải thuật bổ sung thêm bước hậu xử lý để mở rộng các đường<br /> bao của mỗi ký tự chính về phía trên và phía dưới, và gán các dấu vào các chữ<br /> dựa trên góc mở 45 độ về mỗi bên ở phía trên phần chữ viết chính. Kết quả thử<br /> nghiệm cho thấy giải thuật có khả năng phát hiện các chữ viết Thái theo các<br /> hướng khác nhau.<br /> 2.3. Các chữ viết có dấu khác<br /> Ngoài ra, còn có một số ngôn ngữ khác có chữ viết với phần dấu và các phần<br /> phụ tách rời khỏi phần chính của chữ viết tương tự như chữ viết tiếng Việt. Số<br /> lượng các nghiên cứu về vấn đề phát hiện và nhận dạng chữ viết của các ngôn ngữ<br /> này còn rất hạn chế, chẳng hạn như chữ viết Urdu của Pakistan [18, 19, 20], chữ<br /> viết Bangla của Ấn Độ [21]. Việc phát triển các giải thuật phát hiện và nhận dạng<br /> chữ viết trong ảnh đối với các ngôn ngữ này còn gặp nhiều khó khăn do các<br /> nguyên nhân sau:<br /> (i) Cấu tạo chữ viết phức tạp với nhiều thành phần nằm tách rời phần chính của<br /> chữ viết;<br /> (ii) Chưa thu hút được nhiều nhà nghiên cứu như đối với chữ viết tiếng Anh vì<br /> đây không phải là ngôn ngữ quốc tế;<br /> (iii) Cơ sở dữ liệu hình ảnh chữ viết phong phú và được phân loại đối với các<br /> ngôn ngữ này còn thiếu.<br /> 3. CÁC GIẢI THUẬT XỬ LÝ ĐA NGÔN NGỮ<br /> Có một số nghiên cứu giải quyết bài toán định vị chữ viết trong ảnh trên phương<br /> diện rộng hơn: phát hiện chữ viết của nhiều ngôn ngữ khác nhau chứ không tập trung<br /> vào nghiên cứu cho một loại ngôn ngữ cụ thể nào. Các giải thuật được thử nghiệm<br /> để phát hiện đồng thời rất nhiều loại chữ viết khác nhau như: Anh, Ả-rập, Trung<br /> Quốc, Nhật, Hàn Quốc, chữ Urdu, Thái Lan, chữ Kannada/ Bengali/ Tamil/ Hindi<br /> của Ấn Độ,… [22, 23, 24, 25, 26]. Việc xử lý đa ngôn ngữ thường đòi hỏi phải sử<br /> dụng nhiều trích chọn đặc trưng đa dạng để đảm bảo rút trích được các đặc tính của<br /> nhiều ngôn ngữ khác nhau. Quá trình phân loại có thể tiến hành theo hai hướng: sử<br /> dụng mạng nơ-ron nhân tạo hoặc sử dụng các mô hình xác suất toán học.<br /> 4. KẾT LUẬN VÀ ĐỀ XUẤT<br /> Nhu cầu nhận dạng chữ viết trong ảnh là rất lớn, hiện các nghiên cứu vẫn chưa<br /> <br /> <br /> 166 Lê Ngọc Thúy, “Các giải thuật phát hiện chữ viết đối với các ngôn ngữ có dấu.”<br /> Thông tin khoa học công nghệ<br /> <br /> đạt được đến mức độ thỏa mãn cho các ứng dụng thực tiễn. Cần có nhiều nỗ lực<br /> đóng góp cho nghiên cứu trong lĩnh vực này. Đặc biệt, cần có sự quan tâm hơn nữa<br /> đối với việc nhận dạng các chữ viết không phải là tiếng Anh, các chữ viết sử dụng<br /> các ký tự khác bộ chữ cái La-tinh.<br /> Khi nghiên cứu nhận dạng chữ viết tiếng Việt cần lưu ý đến vấn đề nhận dạng<br /> dấu. Việc nhận dạng dấu có ý nghĩa quan trọng vì đa số các từ trong tiếng Việt đều<br /> có dấu. Trong quá trình nhận dạng các ký tự tiếng Việt có thể vận dụng các giải<br /> thuật nhận dạng ký tự mang lại hiệu quả cao đối với bộ chữ cái La-tinh, nhưng cần<br /> lưu ý cải tiến giải thuật để phù hợp với tiếng Việt có dấu. Trong quá trình nhận<br /> dạng từ, cần lưu ý rằng tiếng Việt khác các ngôn ngữ tiêu biểu của La-tinh (Tiếng<br /> Anh, tiếng Pháp,…) ở chỗ tiếng Việt có cả từ đơn và từ ghép nên khi nhận dạng từ<br /> có thể không chỉ dựa trên từng tiếng đơn lẻ mà phải phối hợp với quá trình nhận<br /> dạng của hai, ba tiếng liên tiếp.<br /> Khi phát triển các giải thuật phân tách chữ viết tiếng Việt theo hướng các thành<br /> phần liên kết thì cần lưu ý xử lý các dấu rời so với thành phần chính của từ vì các<br /> thành phần rời này có thể dễ dàng bị xem là nhiễu và bỏ qua.<br /> Rất nhiều nghiên cứu hiện nay còn bị giới hạn khả năng do chỉ phân loại được<br /> các chữ viết theo phương nằm ngang. Các giải thuật này có thể cải tiến bằng cách<br /> sử dụng thêm các cửa sổ trượt theo những hướng khác nhau để phát hiện các chữ<br /> viết bố trí theo các phương khác phương ngang.<br /> Việc nhận dạng chữ viết tiếng Việt trong ảnh cũng có thể sử dụng các kết quả<br /> tiên tiến đã được công bố/ thương mại hóa trong lĩnh vực nhận dạng văn bản quét<br /> (OCR). Để sử dụng kết quả của các giải thuật OCR trước đây đối với tiếng Việt,<br /> cần xác định vị trí có chữ viết và chuẩn hóa vùng có chữ viết trong ảnh (lọc bỏ<br /> hình nền, chỉnh lại góc nghiêng của chữ, chuẩn hóa về độ sáng hoặc nhị phân hóa<br /> vùng có chữ viết).<br /> <br /> TÀI LIỆU THAM KHẢO<br /> [1]. Q. Ye and D. Doermann, "Text detection and recognition in imagery: A<br /> survey", IEEE Trans. Pattern Anal. Mach. Intell., vol. 37, no. 7 (2014), pp.<br /> 1480-1500.<br /> [2]. Y. Zhu, C. Yao and X. Bai, "Scene text detection and recognition: Recent<br /> advances and future trends", Frontiers of Computer Science, Vol. 10, Issue 1<br /> (2015), pp 19-36.<br /> [3]. Fathalla, Radwa, Yasser El Sonbaty, and Mohamed A. Ismail. "Extraction of<br /> Arabic Words form Complex Color Images." 9th IEEE International<br /> Conference on Document Analysis and Recognition (ICDAR 2007), Brazil.<br /> [4]. Yousfi, Sonia, Sid-Ahmed Berrani, and Christophe Garcia. "Arabic text<br /> detection in videos using neural and boosting-based approaches: Application<br /> to video indexing." 2014 IEEE International Conference on Image Processing<br /> (ICIP). IEEE, (2014).<br /> [5]. Saudagar, Abdul Khader Jilani, et al. "Efficient Arabic text extraction and<br /> recognition using thinning and dataset comparison technique."<br /> Communication, Information & Computing Technology (ICCICT), 2015<br /> International Conference on. IEEE, (2015).<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 46, 12 - 2016 167<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> [6]. Halima, M. Ben, Hichem Karray, and Adel M. Alimi. "Arabic text<br /> recognition in video sequences." arXiv preprint arXiv:1308.3243 (2013).<br /> [7]. Asma Andleeb and Mehreen Sirshar, “Extraction of Arabic Text Regions<br /> From Images”, International Journal of Computer and Communication<br /> System Engineering (IJCCSE), Vol. 2 (1), 2015, pp 8-10.<br /> [8]. Moalla, Ikram, et al. "Extraction of Arabic text from multilingual<br /> documents." Systems, Man and Cybernetics, 2002 IEEE International<br /> Conference on. Vol. 4. IEEE, (2002).<br /> [9]. Kadhim Mahdi Al-Musawi, Noor Ali Al_helaly, “Arabic Text Extraction<br /> from Video Film”, International Journal of Computer Science and Mobile<br /> Computing, Vol. 4, Issue. 5, May 2015, pp.1117 – 1123.<br /> [10]. Sriman B., Schomaker L., “Object Attention Patches for Text Detection and<br /> Recognition in Scene Images using SIFT”, ICPRAM 2015, Lisbon, Portugal,<br /> Vol. 1, p. 304-311.<br /> [11]. Kuntpong Woraratpanya, Pimlak Boonchukusol, Yoshimitsu Kuroki, and<br /> Yasushi Kato “Improved Thai Text Detection from Natural Scenes”, pp. 137-<br /> 142, Yokjakata, Indonesia, 7-8 Oct. 2013.<br /> [12]. Thananop Kobchaisawat, Thanarat H. Chalidabhongse, “A Method for Multi-<br /> Oriented Thai Text Localization in Natural Scene Images using<br /> Convolutional Neural Network”, 2015 IEEE International Conference on<br /> Signal and Image Processing Applications (ICSIPA).<br /> [13]. Thananop Kobchaisawat, Thanarat H. Chalidabhongse, “Thai Text<br /> Localization in Natural Scene Images using Convolutional Neural Network”,<br /> APSIPA 2014.<br /> [14]. Wittaya Jirattitichareon, Thanarat H. Chalidabhongse, “Automatic Detection<br /> and Segmentation of Text in Low Quality Thai Sign Images”.<br /> [15]. Rapeeporn Chamchong, Chun Che Fung, “Segmentation of Thai Handwritten<br /> Text for Automatic Document Retrieval”.<br /> [16]. Ungsumalee Suttapakti, Kuntpong Woraratpanya, Kitsuchart Pasupa, Pimlak<br /> Boonchukusol, Taravichet Titijaroonroj, Rattaphon Hokking, Yoshimitsu<br /> Kuroki, Yasushi Kato, “Text-Background Decomposition for Thai Text<br /> Localization and Recognition in Natural Scenes”, In Proceeding of the 6th<br /> International Conference on Information Technology and Electrical<br /> Engineering (ICITEE 2014), 7-8 Oct 2014, Yogyakarta, Indonesia, 2014.<br /> [17]. Tomas Tinoco De Rubira, “Mobile Sign Translator for the Thai Language”.<br /> [18]. A Jamil, A Abidi, I Siddiqi, F Arif, "A Hybrid Approach for Artificial Urdu<br /> Text Detection in Video Images", 21st International Conference on Pattern<br /> Recognition (ICPR 2012) November 11-15, 2012. Tsukuba, Japan.<br /> [19]. I. S. Akhtar Jamil, FahimArif and AhsenRaza, "Edge-based Features for<br /> Localization of Artificial Urdu Text in Video Images" presented at the<br /> International Conference on Document Analysis and Recognition, Beijing,<br /> China, (2011).<br /> [20]. Samabia Tehsin, Sumaira Kausar, “Urdu Text Extraction Method from<br /> Images”, World Academy of Science, Engineering and Technology<br /> <br /> <br /> 168 Lê Ngọc Thúy, “Các giải thuật phát hiện chữ viết đối với các ngôn ngữ có dấu.”<br /> Thông tin khoa học công nghệ<br /> <br /> International Journal of Computer and Information Engineering Vol:1,<br /> No:10, (2014).<br /> [21]. U. Bhattacharya, S. K. Parui and S. Mondal, "Devanagari and Bangla Text<br /> Extraction from Natural Scene Images" 2009 10th International Conference<br /> on Document Analysis and Recognition, Barcelona, (2009), pp. 171-175.<br /> [22]. Zhou, Gang, et al. "Detecting multilingual text in natural scene." Access<br /> Spaces (ISAS), 2011 1st International Symposium on. IEEE, (2011).<br /> [23]. Buta, Michal. "FASText: Efficient unconstrained scene text detector." 2015<br /> IEEE International Conference on Computer Vision (ICCV). IEEE, (2015).<br /> [24]. Liu, Xiabi, Hui Fu, and Yunde Jia. "Gaussian mixture modeling and learning<br /> of neighboring characters for multilingual text extraction in images." Pattern<br /> Recognition 41.2 (2008), pp: 484-493.<br /> [25]. Yoichiro, B. A. B. A., and Akira Hirose. "Spectral fluctuation method: a<br /> texture-based method to extract text regions in general scene images." IEICE<br /> transactions on information and systems 92.9 (2009), pp: 1702-1715.<br /> [26]. J Akhtar, B Azra, M Zumra, IS Ali, Mirza, “Multilingual Artificial Text<br /> Extraction and Script Identification from Video Images”, International<br /> Journal of Advanced Computer Science and Applications, Vol. 7(4), (2016),<br /> pp: 529–539.<br /> <br /> ABSTRACT<br /> <br /> TEXT DETECTION FOR LANGUAGES WITH ACCENT MARKS: A SURVEY<br /> <br /> There have been numerous studies investigating the text localization and<br /> recognition in images and videos recently. However, most of studies try to<br /> solve the problem for text in English while very few studies address the issue<br /> with other languages. In fact, it is a big challenge for researchers in<br /> accurately localizing and recognizing text with accent marks in images<br /> because accent marks are often separate from the main part of characters.<br /> The paper summarizes the algorithms in text detection for languages with<br /> accent marks and suggests the approaches for Vietnamese text detection.<br /> Keywords: OCR, Scene text detection, Scene text recognition.<br /> <br /> Nhận bài ngày 01 tháng 09 năm 2016<br /> Hoàn thiện ngày 26 tháng 09 năm 2016<br /> Chấp nhận đăng ngày 14 tháng 12 năm 2016<br /> <br /> <br /> Địa chỉ: Khoa Kỹ thuật Điện tử, Học viện Công nghệ Bưu chính Viễn thông.<br /> *Email: thuyln@ptit.edu.vn<br /> <br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 46, 12 - 2016 169<br />