بازشناسي حروف برخط فارسي با استفاده از ويژگي‌هاي ساختاري

Online Farsi Character Recognition Using Structural Features

در اين مقاله گروه‌بندي و بازشناسي حروف تنهاي فارسي كه به صورت برخط نوشته شده باشند، بر اساس ويژگي‌هاي ساختاري آن‌ها ارايه شده است. حروف بر اساس شكل و ساختار نوشتاري بدنه اصلي آن‌ها به 9 گروه تقسيم مي‌شوند. پس از استخراج ويژگي‌ها، گروه‌بندي با استفاده از درخت تصميم انجام مي‌شود. بازشناسي نهايي حروف با توجه به ساختار اجزاي كوچك آن‌ها در هر گروه صورت مي‌پذيرد. با توجه به اين كه در اين مقاله از روش‌هاي زمان‌بر براي بازشناسي استفاده نشده است، روش پيشنهادي، روشي سريع در بازشناسي حروف برخط فارسي است. نتايج پياده‌سازي اين روش بر روي مجموعه داده "حروف برخط دانشگاه تربيت مدرس"، گروه‌بندي و بازشناسي حروف را به ترتيب با دقت بالاي %94 و %92 نشان مي‌دهد و اين در حالي است كه ميانگين زمان پردازش و بازشناسي يك حرف حدود 3 ميلي ثانيه به دست آمد.

In this paper, grouping and recognition of online Farsi discrete characters are presented according to their structural features. The letters are divided into 9 groups based on the form and structure of their main bodies. After feature extraction, grouping is performed using a decision tree. Final recognition of letters is carried out in each group by delayed strokes. The proposed method is a rapid method in character recognition because time-consuming methods have not been used. Our proposed method was tested on TMU-OFS dataset, and a recognition rate of 94% and 92% was achieved for character grouping and recognition, respectively. The mean processing time for recognizing a letter was 3ms.