Automatische Modellierung gebundener Handschrift

Gebundene Handschrift stellt die größte Herausforderung beider automatischen Schrifterkennung dar. Während bei DruckschriftSegmentierung und Erkennung der Zeichen sequentiell abgearbeitetwerden können, beeinflussen sie sich bei Handschrift wechselseitig.Dies wird bei den meisten Systemen mit Hidden-Markov-Modellen (HMM)gelöst. So auch bei Powerscript, eingesetzt in derPostautomatisierung und eines der weltweit meistbenutzten Systeme,welches in Theorie, Realisierung und Ergebnissen detailliertbeschrieben wird. Es erzielt hohe Erkennungsraten, weil esstatistisch arbeitet: Das Aussehen der Zeichen wird nichtvorgegeben, sondern mit Beispielen gelernt. Und dennoch werdenAnnahmen gemacht: Die Anzahl relevanter Schreibvarianten, ihreGröße und Komplexität werden durch die Topologien der Zeichen-HMMfestgelegt. Ihre Optimierung ist das Thema des Buches. Es werdenModellwahlkriterien als Kompromiss zwischen Komplexität undEinfachheit definiert, anschließend werden verschiedeneOptimierungsverfahren vorgestellt. Ihre Ergebnisse sind plausibelund verbessern die Erkennungsleistung, besonders bei fremdenSchriften, wie Arabisch, für die kein Expertenwissen verfügbarist.