ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه روشی کارآمد جهت تشخیص حروف در تصاویر دیجیتال با استفاده از فرکتال دو بعدی و الگوریتم ژنتیک

تعداد صفحات: 13 | تعداد نمایش خلاصه: 38 | نظرات: 0
سال انتشار: 1398
کد COI مقاله: CITI03_016
زبان مقاله: فارسی
(فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه روشی کارآمد جهت تشخیص حروف در تصاویر دیجیتال با استفاده از فرکتال دو بعدی و الگوریتم ژنتیک

عبدالجلیل بچاری - گروه مهندسی کامپیوتر - دانشگاه آزاد اسلامی واحد ماهشهر
مرجان عبدیزدان - گروه مهندسی کامپیوتر - دانشگاه آزاد اسلامی واحد ماهشهر
بهنوش براهیم زاده - گروه مهندسی کامپیوتر - دانشگاه آزاد اسلامی واحد دزفول

چکیده مقاله:

تشخیص حروف، یکی از چالش های مرتبط حوزه پردازش تصویر است که به دلیل کاربرد آن در صنایع مختلف نظیر تبدیل نوشتار فیزیکی بهاسناد الکترونیکی، تشخیص پلاک خودرو و کاربردهای نظیر آن در سیستم های امنیتی و ... همواره مورد توجه بوده است. عملکرد سیستم هایOCR به شدت به بخش شناخت فونت بستگی دارد. اگر چه شناخت فونت در حال تبدیل شدن به بخش جدایی ناپذیر از هر سیستم OCR درزبان ها است، اما هنوز هم در زبان های مختلف توسعه نیافته است. روشهای مختلف از رویکردهایی نظیر تحلیل ویژگی، انتخاب ویژگی و ایجادمدل پیش بینی، به منظور افزایش دقت تشخیص حروف توسعه یافته اند. البته با همه پژوهش های انجام شده، به دلیل پویایی مسئله و تنوعداده های تولید شده، همچنان از نظر دقت و سرعت تشخیص در کاربردهای مختلف و البته زبان های مختلف، زمینه پژوهش های فراوانی وجوددارد. یکی از رویکردهای حل مسئله، توسعه مدل تحلیل تصویر براساس مدل های ریاضی استخراج ویژگی به منظور ایجاد توصیف دقیق درفازهای قطعه بندی و تشخیص است. در این پژوهش روشی مبتنی بر الگوی فراکتال مبتنی بر بافت برای استخراج ویژگی و الگوریتم ژنتیک برایبهینه سازی قطعه بندی تصاویر در دو فاز استفاده شده است. روش پیشنهادی در فاز اول کلمات را جدا و سپس حروف را قطعه بندی می کند و درنهایت به کمک نزدیکترین الگوی مشابه تشخیص را انجام میدهد. نتایج روش پیشنهادی براساس معیارهای صحت، دقت، بازیابی و معیار Fروی دو مجموعه داده MNIST و NEOCR نشان داد که روش پیشنهادی در مقایسه با روش های مبتنی بر ویژگی بسیار بهتر (تقریبا 11 درصد) و قابل رقابت با روش های مبتنی بر یادگیری عمیق است.

کلیدواژه ها:

تشخيص حروف، فراكتال بافت، k- نزديكترين همسايه، الگوريتم ژنتيك، NEOCR ،MNIST

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1019997/

کد COI مقاله: CITI03_016

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بچاری، عبدالجلیل و عبدیزدان، مرجان و براهیم زاده، بهنوش،1398،ارائه روشی کارآمد جهت تشخیص حروف در تصاویر دیجیتال با استفاده از فرکتال دو بعدی و الگوریتم ژنتیک،سومین کنفرانس ملی مباحث نوین در کامپیوتر و فناوری اطلاعات،ماهشهر،،،https://civilica.com/doc/1019997

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، بچاری، عبدالجلیل؛ مرجان عبدیزدان و بهنوش براهیم زاده)
برای بار دوم به بعد: (1398، بچاری؛ عبدیزدان و براهیم زاده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 2,486
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی