مروري بر الگوريتم هاي استخراج ويژگي و روش هاي طبقه بندي در سيستم هاي بازشناسي ارقام دستنويس فارسي برون‌خط

A Review of feature Extraction Algorithms and Classification Methods in Off-line Farsi Handwriting Digits Recognition Systems

در دهه¬هاي اخير مسأله¬ي بازشناسي الگوهاي نوشتاري در تصاوير اسناد مكتوب به زبان هاي مختلف، مورد توجه محققين مختلفي قرار گرفته است كه نتايج اين تحقيقات بعضاً منجر به پيدايش مجموعه¬اي سريع و تا حد زيادي مطمئن،موسوم به بازشناسي نوري كاراكتر شده است، بازشناسي ارقام دستنويس فارسي يكي از مسائل مهم درحوزه بازشناسي الگو مي باشد. تحقيقات در اين زمينه چندين دهه است كه آغاز شده و هنوز هم در حال تحول مي باشد. يكي از مواردي كه اخيرا در بازشناسي الگو بسيارمورد توجه قرار گرفته، انتخاب ويژگي و انتخاب طبقه بند مناسب است. با پيدا كردن بهترين گروه ويژگي ها از ميان كل ويژگي هايي كه استخراج مي شوند، مي توان علاوه بر كاهش تعداد ويژگي ها و هزينه هاي محاسباتي، نرخ بازشناسي را به ميزان قابل توجهي بهبود بخشيد. روش اين پژوهش توصيفي– مروري است و از منابع كتابخانه‌اي و پژوهش‌هاي قبلي استفاده‌شده است. اين تحقيق به مساله الگوريتم¬هاي انتخاب¬ويژگي و طبقه بندي بررسي و ارزيابي قرار گرفته است، همچنين بيان گرديد كه ادغام چند الگوريتم استخراج ويژگي تاثير مستقيمي در افزايش كارايي سيستم، كيفيت و نرخ بازشناسي¬در بازشناسي ارقام دستنويس فارسي دارد

In recent decades, the problem of recognizing patterns in written documents in various languages ​​has been considered by various scholars. The results of this research sometimes led to the emergence of a fast and largely confident series called optical character recognition Recognition of Persian handwritten cultivars is one of the important issues in the field of pattern recognition. Research in this area has been going on for decades and is still evolving. One of the things that has recently been highlighted in pattern recognition is the choice of feature and selection of appropriate classifications. By finding the best feature group among all the features that are extracted, the recognition rate can be significantly improved, in addition to reducing the number of features and computational costs. The method of this research is descriptive-review and has been used from library resources and previous researches. This research has examined and evaluated the problem of selection and classification algorithms. Also, the integration of several extraction algorithms has a direct effect on increasing system efficiency, quality and recognition rate in recognizing Persian handwritten cultivars.