Un algoritmo evolutivo aplicado a la optimización del reconocimiento de caracteres mediante procesamiento de imágenes

Abstract

El reconocimiento óptico de caracteres (OCR, por su sigla en inglés), tiene como objetivo extraer de una imagen los caracteres que componen un texto para almacenarlos en un formato con el cual puedan interactuar programas de procesamiento de texto. Hoy en día la utilización de medios digitales para el reconocimiento óptico de caracteres ha logrado avances sustanciales y en materia de textos mecanografiados ha alcanzado un alto porcentaje de aciertos. Las cifras varían al tratarse de imágenes digitales a partir de textos escritos a mano y el porcentaje de aciertos disminuye considerablemente. Los factores que afectan para que los mecanismos de reconocimiento disminuyan, están relacionados a las deficiencias del trazo de las letras y a las suciedades que acumulan los textos, propios del uso y del paso del tiempo. Por lo tanto, el correcto reconocimiento de un texto por parte de una herramienta OCR se encuentra lejos del óptimo en este conjunto de casos. Los CAPTCHAs (Completely Automated Public Turing test to tell Computers and Humans Apart) utilizados frecuentemente en Internet para controlar la naturaleza del usuario que utiliza un servicio web, encapsulan dichas dificultades para el reconocimiento ya que especialmente son diseñados para dificultar las tareas de un reconocedor OCR, sumándole a éstas, que los textos escritos no pertenecen a un diccionario de palabras, lo que torna aun más complejo su reconocimiento. Los algoritmos evolutivos (AEs) son una rama de la inteligencia artificial, utilizados principalmente en problemas con espacios de búsqueda extensos y no lineales, en donde otros métodos no son capaces de encontrar soluciones en un tiempo razonable. Son métodos de optimización y búsqueda de soluciones basados en los postulados de la evolución biológica. En ellos se mantiene un conjunto de entidades que representan posibles soluciones, las cuales se mezclan, y compiten entre sí, de tal manera que las más aptas son capaces de prevalecer a lo largo del tiempo, evolucionando hacia mejores soluciones cada vez. Este trabajo presenta los avances en una propuesta innovadora de utilizar AEs en el proceso de mejora de las características de una imagen difusa o deteriorada, para elevar los niveles de reconocimiento de una herramienta OCR. El AE se utiliza para determinar los parámetros de un modelo de transformación que utiliza funciones de conversión de imágenes para cambiar el aspecto de la imagen a reconocer mejorando su legibilidad. Se incluye un amplio relevamiento de herramientas de reconocimiento OCR, así también una amplia evaluación de herramientas de transformación de imágenes, de modo de utilizar aquellas que presenten las mejores características de desempeño para las condiciones implícitas en el trabajo. Se reportan los resultados obtenidos que permiten verificar la eficacia del método propuesto sobre una serie de conjuntos de imágenes de CAPTCHAs de diversas características y con diferentes dificultades de reconocimiento utilizados en Internet, determinando así mismo el nivel de efectividad de los conjuntos de imágenes para cumplir la función de un CAPTCHA.