طبقه بندي حروف صدادار زبان فارسي با استفاده از ماشين بردار پشتيبان

بازشناسي تصويري گفتار براي كمك به افرادي كه دچار آسيب در سيستم صوتي شده اند، در سالهاي اخير مورد توجه محققين قرار گرفته است. در اين مقاله روشي براي تشخيص واج هاي مصوت()ـَــِــُ) و /آ/، /اي/، / او/) زبان فارسي توسط پردازش تصوير ارائه مي شود. روش پيشنهادي بدين صورت است كه پس از استخراج ناحيه لب از تصاوير چهره توسط يك روش ابتكاري (استفاده از شدت روشنايي و تقارن هاي طبيعي موجود در آن)، براي استخراج ويژگي­هاي لب از تابع موجك دو بعدي گسسته(DWT) و سپس محاسبه هيستوگرام ضرايب موجك بدست آمده، استفاده شده است و در نهايت توسط طبقه بند SVM به تشخيص واج هاي مصوت پرداخته مي شود. نتايج بدست آمده نشان مي­دهد كه روش استخراج ويژگي و طبقه­بند پيشنهادي مي تواند تاثير چشمگيري در بهبود عملكرد سيستم تشخيص داشته باشد، به طوري كه با انتخاب كرنل گوسين براي طبقه بند SVM و انتخاب تعداد ستون هاي هيستوگرام 60 تايي و انتخاب تابع موجك از نوع باي ارتگنال با جزييات قطري در مرحله استخراج ويژگي، دقت تشخيص آن به 10/ 84 رسيد اين در حالي است كه نتيجه آزمايش ساير طبقه­بندها بر روي ديتاست انتخابي، براي طبقه بند نزديك­ترين همسايه(KNN) برابر 18/ 72، براي شبكه عصبي (ANN) برابر 24/ 62 و براي طبقه­بند درخت تصميم (DT) برابر 12/ 60 مي­باشد.