تشخيص ساختار اسناد در تصاوير پيچيده براي استفاده در سيستم‌هاي نويسه خوان نوري فارسي

در اين مقاله، به ارائه يك روش پيشنهادي براي تشخيص ساختار اسناد، در تصاوير پيچيده اسناد اسكن شده فارسي ، براي استفاده در سيستم هاي نويسه‌خوان نوري پرداخته شده است. هدف از مرحله تشخيص ساختار اسناد در سيستم هاي نويسه خوان نوري، تشخيص قسمت-هاي متني از غيرمتني است. عدم تشخيص قسمت هاي متني در تصاوير اسناد پيچيده باعث كاهش دقت سيستم-هاي نويسه خوان نوري مي شود. در روش پيشنهادي، با تحليل و تخمين برخي از ويژگي هاي تصاوير اسناد، از جمله فاصله بين خطوط پس‌زمينه، ابتدا نواحي غيرمتني تشخيص داده شده و از تصوير حذف مي شوند، در ادامه با چند مرحله آغشته سازي، محدوده جمله ها و كلمه ها در تصوير اسناد مشخص مي شوند. براي مقايسه و ارزشيابي روش پيشنهادي، بيست تصوير پيچيده از مجله هاي فارسي به عنوان داده آزمون تهيه و از بخش تحليل ساختار اسناد نويسه خوان نوري تسركت به عنوان روش مرجع استفاده شده است. روش پيشنهادي با دقت 87.2 درصد و با 4.16 درصد بهبود دقت نسبت به روش مرجع، توانست قسمت هاي متني و غير متني را تشخيص دهد.