عنوان مقاله :
بازشناسي برخط حروف فارسي بر پايه مدل مخفي ماركوف
عنوان فرعي :
Online handwritten recognition based on hidden Markov mode
پديد آورندگان :
فركي، مسعود نويسنده دانشگاه صنعتي اصفهان,دانشكده مهندسي برق و كامپيوتر , , پالهنگ، مازيار نويسنده دانشگاه صنعتي اصفهان,دانشكده مهندسي برق و كامپيوتر ,
اطلاعات موجودي :
دوفصلنامه سال 1389 شماره 59
كليدواژه :
بازشناسي برخط دست نوشته , مدل مخفي ماركوف
چكيده فارسي :
چكيده: در اين مقاله روشي براي بازشناسي برخط حروف فارسي بر پايه مدل مخفي ماركوف ارايه ميشود. ابتدا با به دست آوردن تعداد بخشهاي حرف نوشته شده و بازشناسايي اجزاي كوچك آن از تعداد حروف نامزد كاسته ميشود. سپس بدنه و اجزاي كوچك حرف ناشناخته پيش پردازش ميشوند. مراحل پيش پردازش شامل يكسانسازي اندازه و دوباره نمونهبرداري است. در اين صورت بازشناسي نسبت به تغيير اندازه و جابجايي مقاوم و همچنين استخراج ويژگي با دقت بالاتري انجام ميشود. ويژگيهاي استخراج شده شامل هر دو نوع ويژگيهاي محلي و ساختاري هستند. ويژگيهاي محلي, زواياي بين بردارهاي برازش شده به نقاط مهم حرف ناشناخته با محور افقي و ويژگيهاي ساختاري, بنا به تعريف, شامل نقاط اوج, دره-راست و دره-چپ هستند. آموزش مدل نيز با استفاده از الگوريتم Baum-Welch, با پسپردازشي روي آن انجام شده است. استفاده از مراحل ذكر شده باعث شده است كه بازشناسي صورت گرفته بسيار موفق و كاملاً مستقل از نويسنده باشد. گزارشهاي به دست آمده از نتايج آزمايشها، بيانگر دقت بازشناسي 22/97% در بخش آموزش و 9/94% در بخش آزمايش سيستم در روش پيشنهادي است.
چكيده لاتين :
Abstract: In this paper an approach based on hidden Markov model for recognizing online Farsi characters is presented. At first by obtaining the number of parts of a written character and recognizing its delayed strokes, the number of candidates is decreased and then the body and delayed strokes of unrecognized character are preprocessed. The stage of preprocessing is consisting of size normalization and resampling. Thus the recognition process will be robust to transition and scaling and the extracted features will be done more precisely. The extracted features are both local and structural features. The local features are consisting of the angles between the fitted vectors to some important points of unrecognized character and the structural features are consisting of cusp, left-hump and right-hump points. The training process of models is done by Baum-Welch algorithm with a post process on it. Using the mentioned stages has the advantage of doing the recognition process in an unconstrained and writer independent manner. The obtained results show the 97.22% precision in training and 94.9% precision in testing experiments.
عنوان نشريه :
مهندسي برق دانشگاه تبريز
عنوان نشريه :
مهندسي برق دانشگاه تبريز
اطلاعات موجودي :
دوفصلنامه با شماره پیاپی 59 سال 1389
كلمات كليدي :
#تست#آزمون###امتحان