ارائه روشی کارآمد جهت تشخیص حروف در تصاویر دیجیتال با استفاده از فرکتال دو بعدی و الگوریتم ژنتیک
- سال انتشار: 1398
- محل انتشار: سومین کنفرانس ملی مباحث نوین در کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: CITI03_016
- زبان مقاله: فارسی
- تعداد مشاهده: 706
نویسندگان
گروه مهندسی کامپیوتر - دانشگاه آزاد اسلامی واحد ماهشهر
گروه مهندسی کامپیوتر - دانشگاه آزاد اسلامی واحد ماهشهر
گروه مهندسی کامپیوتر - دانشگاه آزاد اسلامی واحد دزفول
چکیده
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
تشخیص حروف، فراکتال بافت، k- نزدیکترین همسایه، الگوریتم ژنتیک، NEOCR ،MNISTمقالات مرتبط جدید
- بررسی عددی تاثیر لایه مرزی بر عملکرد انتقال حرارت و افت فشار در مبدل های حرارتی
- Quantitative Insights into G Protein Signaling: A Review of Recent SPR Methodologies and Discoveries
- استفاده از دو الگوریتم رمزنگاری AES و DES در راستای افزایش امنیت اطلاعات در شبکه های حسگر بیسیم
- پیشنهاد الگوریتم های بهینه سازی برای طراحی گراف های پیچیده با استفاده از شبکه های مولد (GAN)
- طراحی و ارزیابی مدل های تحلیلی برای تسریع فرایند های تصمیم گیری در تحلیل داده های بزرگ به کمک تکنیک یادگیری ماشین
اطلاعات بیشتر در مورد 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.