خوشه بندی دست خط فارسی

مسئله اصلی در این مقاله، یافتن و استخراج ویژگی هایی است که بر مبنای آن ها بتوان دست خط های گوناگون را خوشه بندی کرد. در این مقاله، بر روی ویژگی های مبتنی بر بافت، تمرکز شده است. این ویژگی ها شامل دو دسته ویژگی آماری ماتریس باهم آیی در هشت جهت و بیست فاصله و ویژگی های مبتنی بر تبدیل گابور در هشت جهت و دو فرکانس است. برای استخراج این ویژگی ها، یک بافت مناسب در ابعاد 1024×1024، از تصویر دستنوشته ایجاد می شود. از ویژگی های دیگری که در این مقاله از آن ها استفاده شده است، تعدادی ویژگی ساختاری مبتنی بر منحنی پیرامونی است. با استفاده از این ویژگی ها، خصوصیاتی مانند کشیدگی، فشردگی و انحنا، قابل استخراج است. این خصوصیات در تمایز دست خط افراد، بسیار حائز اهمیت است.برای ارزیابی این ویژگی ها، مجموعه گردآوری شده از 97 دستنوشته را با الگوریتم k میانگین خوشه بندی کردیم. این دستنوشته ها شامل متون مختلف بوده و از افراد مختلف جمع آوری شده است. این 97 دستخط، نهایتا در 20 خوشه، قرار گرفته اند.