استخراج متن از تصاویر تابلوهای تجاری فارسی به کمک تکنیک های پردازش تصویر

کاراکترهای متن موجود در تصاویر و دنباله های ویدئویی، یک منبع غنی از اطلاعات را برای کاربردهای مختلف اعم از شاخص گذاری و بازیابی بر پایه ی محتوای آن ها فراهم می کنند. با این حال، به علت مشکلات متعددی ازقبیل تنوع سایز، فونت، رنگ، سطح روشنایی، جهت، زمینه ی پیچیده و...، تشخیص و استخراج متون از تصاویر همچنان به صورت یک مسأله کاملاً حل نشده، باقی مانده است. اگرچه در این زمینه برای برخی از زبان ها تحقیقات متعددی صورت گرفته و نتایج نسبتاً خوبی حاصل شده است، اما علیرغم محبوبیت فراوان زبان فارسی، مورد غفلت محققان این زبان واقع شده و خلأ عظیمی از این لحاظ احساس می شود. در این پایان نامه یک سیستم استخراج متن از تصاویر تابلوهای تجاری فارسی ارائه شده است که مبتنی بر تشخیص لبه های حروف و عملیات مورفولوژیکی در تصاویر می باشد. اطلاعات لبه بدست آمده از سه جزء تشکیل دهنده ی رنگ در فضای rgb، با هم ادغام می شود و با بهره گیری از عملگرهای مورفولوژیکی و عناصر ساختاری در جهت عمودی و افقی گسترش می یابد. در مرحله ی بعد با استفاده از ویژگی های ذاتی متون و محدودیت های هندسی، اجزاء متصل کاندیدای متن انتخاب شده و پس از پر کردن حفره های موجود در تصویر، اجزاء متصل غیر بسته و نویزی تصویر با بکارگیری عملگرهای مورفولوژی حذف می شوند. سپس با توجه به پیوستگی فاصله ای اجزاءمتصل متنی، نواحی کاندید متن به هم اتصال یافته و نواحی غیر متن با تحلیل منحنی افکنش تصویر حذف می گردند. به عنوان آخرین مرحله، برای شفاف سازی متون و مهیا کردن آن ها برای ارائه به یک سیستم بازشناسی متن (ocr)، می بایست نواحی متن انتخابی را به طور محلی پس پردازش کرد و پس زمینه محاط بر حروف را از نواحی متن باقیمانده حذف نمود که درنهایت یک تصویر باینری از نواحی متنی با پیکسل های سیاه برای متن و پیکسل های سفید برای پس زمینه ی آن خواهیم داشت. با توجه به نتایج آزمایشی بدست آمده( دقت 87.8% و فراخوانی 69.9%)عملکرد خوب سیستم پیشنهادی و برتری آن بر برخی روش های موجود غیر قابل انکار است.