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: 715
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
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
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.