بازشناسی ارقام دستنویس فارسی با استفاده از توصیفگرLBP-HOG

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,089

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DCEAEM01_234

تاریخ نمایه سازی: 18 دی 1393

چکیده مقاله:

بازشناسی ارقام دستنویس در هر زبانی یکی از مهمترین مسائلی است که ذهن بسیاری از محققان را به خود معطوف نموده است واین به دلیل اهمیت روز افزون این مهم در دنیای امروز و در کاربردهایی نظیر تشخیص خودکار آدرسهای پستی یا تشخیص ارقامچکهای بانکی است. با توجه با تنوع زیاد درون کلاسی و مشابهت بسیار برون کلاسی بین برخی ارقام دستنویس فارسی با یکدیگر،حل مسئله بازشناسی ارقام دست نویس فارسی مسئله ای سخت محسوب می گردد. در این مقاله روش جدیدی برای بازشناسی ارقام دست نویس فارسی با استفاده از ترکیب توصیف گرهایHOG و LBP ارایه میشود. توصیفگر پیشنهادی از مزایای قابل توجه ومهمی برخوردار است که از مهم ترین آنها میتوان به ضبط اطلاعات و ویژگی های مربوط به بافت تصویر (توسط توصیفگرLBP و در عین حال استخراج ویژگی های لبههای تصویر (توسط توصیفگرHOG)اشاره کرد. از دیگر مزایای توصیفگر پیشنهادی طول بردار ویژگی بسیار کوچک آن و نیز سریع بودن محاسبه آن است. برای بررسی کارایی روش پیشنهادی از پایگاه داده معیارHODA که پایگاه دادهای بزرگ با 60000 تصویر است استفاده شده است. آزمایش های انجام شده روی این پایگاه داده نشاندهنده کارایی بالای روش پیشنهادی (دقتی برابر با 99,3 %) در مقایسه با سایر روشهای مشابه است

کلیدواژه ها:

تشخیص ارقام دستنویس فارسی ، توصیفگرLBP ، توصیفگرHOG ، پایگاه دادهHODA

نویسندگان

رضا طالبیان

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد گناباد

مجتبی محمدپور

استادیار گروه مخابرات دانشگاه آزاد اسلامی واحد گناباد

محمدمهدی خسروآبادی

دانشجوی کارشناسی ارشد کنترل دانشگاه صنعتی شاهرود

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S. Srihari and E. Keubert .Integration of handwritten address interpretation ...
  • A. Yuan, G. Bai, L. Jiao, Y. Liu, "Offline handwritten ...
  • S. N. Srihari and G Ball, "An Assessment of Arabic ...
  • F. Yin, M. Zhou, Q. Wang and C. Liu, "Style ...
  • W.M. Pan, T.D. Bui, and C.Y. Suen. "Isolated Handwritten Farsi ...
  • J. Sadri, C. Y. Suen and T. D. Bui, "Application ...
  • H. Soltanzadeh and M. Rahmati. Recognition of Persian handwritten digits ...
  • A. Mowlaei and K. Faez. Recognition of isolated handwritten Persian/A ...
  • M. Ziaratban, K. Faez, and F. Faradji. L a ngu ...
  • Omid Rashnodi, Hedieh Sajedi, Mohammad Saniee Abadeh. Persian Handwritten Digit ...
  • Hamid Salimi, Davar Giveki Farsi/Arabic handwritten digit recognition based on ...
  • Cheng-Lin Liu, Kazuki Nakashima, Hiroshi Sako, Hiromichi Fujisawa. Handwritten digit ...
  • Mohammad Amin Shayegan and Chee Seng Chan. A New Approach ...
  • T. Ojala, M. Pietikainen, and D. Harwood (1994), "Performance evaluation ...
  • Navneet Dalal , Bill Triggs , Cordelia Schmid, Human detection ...
  • http:/Itrsiocr. ir/fars i-digit-dataset ...
  • C.-C. Chang and C.-J. Lin. LIBSVM : a library for ...
  • Alaei, A., Pal, U. Nagabhushan, P. Using Modified Contour Features ...
  • M. H. Shirali- Shahreza, K. Faez and A. Khotanzad, "Recognition ...
  • M. Dehghan and K. Faez, "Farsi Handwritten Character Recognition With ...
  • A. Harifi and A. Aghago lzadeh, "A New Pattern for ...
  • H. Mir Mohammad Hosseini and A. Bouzerdoum, _ Conbined Method ...
  • A. Mowlaei, K. Faez& A. Haghighat, Feature Extraction with Wavelet ...
  • J. Sadri, C. Y. Suen and T. D. Bui, "Application ...
  • Reza Ebrahimpour, Alireza Esmkhani and Soheil Faridi Farsi handwritten digit ...
  • Abdi, M.J., Salimi, H., 2010. Farsi handwriting recognition with mixture ...
  • Mohammad Amin Shayegan, Chee Seng Chan. A New Approach to ...
  • نمایش کامل مراجع