A Haar Wavelet-Based Zoning For Offline Arabic Handwritten Character Recognition

Due to the nature of handwriting with high degree of variability and imprecision, obtaining features that represent characters is a difficult task. In this research, a features extraction method for handwritten Arabic Character recognition is investigated. Its major goal is to maximize the recognition rate with the least amount of elements. This method compute the 1 level Haar Wavelet Transform for Binary character image, then divide the Wavelet space into 8 Zones, for each Zone, three features have been extracted: mean, standard division, and skewness. The Recognition have been done using Mahalanobis distance. The proposed method provides good recognition accuracy of 73% for handwritten characters even with fewer train samples. Keyword: Haar Wavelet, Zoning, Mahalanobis Distance, Skewness. ةصلاخلا اذل ،ةبعص ًادج نوكتس فورحلا لثمت يتلا صاوخلا ىلع لوصحلا ةمهم نأف ديلا طخب ةبوتكملا صوصنلل ةريغتملاو ةقيقد ريغلا ةعيبطلل ًارظن يف متل ةدمتعملا تافصلا صلاختسلا ةقيرط ثحب متيس ،ثحبلا اذه ةبـسن ميظعت وه ةقيرطلا هذهل يسيئرلا فدهلا ،ديلاب ةبوتكملا ةيبرعلا فورحلا زيي يسقت متي مث نم ، ةيئانثلا فرحلا ةروصل دحاولا ىوتسملا وذ يجوملا راه ليوحت بسحت ًلاوأ ةقيرطلا هذه .تافصلا نم ددع لقأ عم زييمتلا ةقطنم م ىلا يجوملا ليوحتلا 8 لاختسا متي ةقطنم لكل ،قطانم ص 3 مادختساب اهباسح متف زييمتلا ةلحرم امأ .نلايملاو يرايعملا فارحنلاا ،لدعملا :تافص زييمت ةبسن تطعا ةحرتقملا ةقيرطلا .سبولنهم ةفاسم 73 . ةبردملا فورحلا روص نم ليلق ددع عم % تاملكلا ةیحاتفملا : .نلایملا ،سبولنھم ةفاسم ،ةمسقملا قطانملا ،يجوملا راھ