تشخیص ساختار اسناد در تصاویر پیچیده برای استفاده در سیستم های نویسه خوان نوری فارسی

در این مقاله، به ارایه یک روش پیشنهادی برایتشخیص ساختار اسناد، در تصاویر پیچیده اسناد اسکنشده فارسی ، برای استفاده در سیستم های نویسه خواننوری پرداخته شده است. هدف از مرحله تشخیص ساختاراسناد در سیستم های نویسه خوان نوری، تشخیص قسمت-های متنی از غیرمتنی است. عدم تشخیص قسمت هایمتنی در تصاویر اسناد پیچیده باعث کاهش دقت سیستم-های نویسه خوان نوری می شود. در روش پیشنهادی، باتحلیل و تخمین برخی از ویژگی های تصاویر اسناد، از جملهفاصله بین خطوط پس زمینه، ابتدا نواحی غیرمتنیتشخیص داده شده و از تصویر حذف می شوند، در ادامه باچند مرحله آغشته سازی، محدوده جمله ها و کلمه ها درتصویر اسناد مشخص میشوند. برای مقایسه و ارزشیابیروش پیشنهادی، بیست تصویر پیچیده از مجله های فارسیبه عنوان داده آزمون تهیه و از بخش تحلیل ساختار اسنادنویسه خوان نوری تسرکت به عنوان روش مرجع استفادهشده است. روش پیشنهادی با دقت 87,2 درصد و با 4,16درصد بهبود دقت نسبت به روش مرجع، توانست قسمت-های متنی و غیر متنی را تشخیص دهد.

کلیدواژه ها:

تشخیص ساختار اسناد ، نویسه خوان نوری ، استخراج متن