بازشناسی حروف مجزای برخط فارسی

thesis
abstract

در این پایان نامه، روشی برای بازشناسی برخط حروف مجزای دست نویس فارسی ارایه می شود. در روش پیشنهادی برای بازشناسی حروف مجزای دست نویس فارسی، از دانش مربوط به بدنه اصلی و ریزحرکات به طور همزمان استفاده شده است. در این تحقیق حروف مجزای دست نویس فارسی بر اساس تشابه بدنه اصلی در 18، و بر اساس تشابه ریزحرکات در 11 گروه، گروه بندی می شوند. برای مثال، سیستم برای حرف «چ»، بدنه اصلی و ریزحرکات را شناسایی می کند، اگر گروه شناسایی شده از بدنه اصلی و ریزحرکات همخوانی داشته باشند، نمونه ناشناخته شناسایی می شود. در صورت بروز ناهمخوانی احتمالی بین گروه های شناسایی شده از بدنه اصلی و ریزحرکات تصمیم گیری نهایی برای تعیین کلاس خروجی به عملیات پس پردازش واگذار می شود. در عملیات پس پردازش ناهمخوانی پیش آمده با استفاده از الگوریتم تصحیح خطا، تاحد امکان تصحیح می گردد. در این تحقیق چهار مجموعه ویژگی نقطه ای و یک مجموعه ویژگی سراسری، از نمونه های پیش پردازش شده استخراج شده است. به منظور دست یابی به بهترین مجموعه ویژگی، آزمایش های متعددی با استفاده از مجموعه ویژگی های نقطه ای و همچنین استفاده از ویژگی های نقطه ای درکنار ویژگی های سراسری انجام شده-است. به منظور کاهش هزینه محاسباتی و افزایش قدرت تفکیک پذیری ویژگی ها، با استفاده از روش های کاهش ابعاد ویژگی همچون تحلیل جداکننده خطی (lda) و تحلیل مولفه های اصلی (pca)، ابعاد بردار ویژگی از 102 ویژگی به 17 ویژگی کاهش می یابد. برای طبقه بندی بدنه اصلی حروف و همچنین برای ریزحرکات از طبقه بند ماشین بردار پشتیبان (svm) با رویکرد یک در مقابل یک (ovo) استفاده شده است. نتایج بدست آمده نشان می دهند که با استفاده از روش پیشنهادی حدود 98 درصد از حروف مجزای دست نویس فارسی برخط به درستی بازشناسی می شوند. در این پایان نامه به عنوان تحقیق جانبی، بازشناسی برخط ارقام دست نویس فارسی ارایه شده است. بهترین نرخ بازشناسی، با بهره گیری از تغییرات در راستای افقی (?x) و تغییرات در راستای عمودی (?y) به عنوان ویژگی نقطه ای در کنار مجموعه ویژگی های سراسری حاصل می شود، که میانگینی برابر با 98.08 درصد دارد. روش پیشنهادی ارایه شده در این تحقیق روی حروف مجزا و ارقام دست نویس فارسی پایگاه داده online-tmu انجام شده است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری

در این مقاله گروه‌بندی و بازشناسی حروف تنهای فارسی که به صورت برخط نوشته شده باشند، بر اساس ویژگی‌های ساختاری آن‌ها ارائه شده است. حروف بر اساس شکل و ساختار نوشتاری بدنه اصلی آن‌ها به 9 گروه تقسیم می‌شوند. پس از استخراج ویژگی‌ها، گروه‌بندی با استفاده از درخت تصمیم انجام می‌شود. بازشناسی نهایی حروف با توجه به ساختار اجزای کوچک آن‌ها در هر گروه صورت می‌پذیرد. با توجه به این که در این مقاله از روش...

full text

بازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری

در این مقاله گروه‌بندی و بازشناسی حروف تنهای فارسی که به صورت برخط نوشته شده باشند، بر اساس ویژگی‌های ساختاری آن‌ها ارائه شده است. حروف بر اساس شکل و ساختار نوشتاری بدنه اصلی آن‌ها به 9 گروه تقسیم می‌شوند. پس از استخراج ویژگی‌ها، گروه‌بندی با استفاده از درخت تصمیم انجام می‌شود. بازشناسی نهایی حروف با توجه به ساختار اجزای کوچک آن‌ها در هر گروه صورت می‌پذیرد. با توجه به این که در این مقاله از روش...

full text

بازشناسی برخط حروف مجزای دست‌نویس فارسی بر اساس تشخیص گروه بدنه اصلی با استفاده از ماشین بردار پشتیبان

In this paper a new method for the online recognition of handwritten Persian characters has been proposed which uses a set of simple features and Support Vector Machine (SVM) as a classifier. The task of preprocessing allows us to equalize feature vectors from different characters. This algorithm is implemented in two steps. In the first step, input character is classified into one of eighteen ...

full text

روشی کاربردی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی با استفاده همزمان از دانش مربوط به بدنه اصلی و ریزحرکات

در این مقاله، روشی برای بازشناسی برخط حروف مجزای دست‌نویس فارسی ارایه می‌شود. در روش پیشنهادی برای بازشناسی حروف مجزای دست‌نویس فارسی، از دانش مربوط به بدنه اصلی و ریزحرکات به‌طور همزمان و به‌منظور اعتبار بیشتر تعیین کلاس خروجی استفاده شده‌است. در این تحقیق حروف مجزای دست‌نویس فارسی بر اساس تشابه بدنه اصلی در 18، و بر اساس تشابه ریزحرکات در 11 گروه، گروه‌بندی می‌شوند. با توجه به روش پیشنهادی ار...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده برق و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023