خواندن خودکار کدهای پستی با استفاده از ویژگیهای ساختاری با دقت بالا

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 425

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RCEITT01_188

تاریخ نمایه سازی: 11 اردیبهشت 1394

چکیده مقاله:

هدف از این تحقیق بهبود سامانه شناسایی ارقام دستنویس فارسی در کدهای پستی است. سیستم پیشنهادی ما شامل چهار مرحله میباشد که عبارتند از ارقام کدهای پستی ورودی، بخشبندی، پیشپردازش و استخراج ویژگی. در بخش ارقام دستنویس تعداد 0666 پاکت کدپستی تهیه و در مرحله بخشبندی کدهای پستی دریافت و با روشCCLبخشبندی میشوند و از فیلتر میانه برای حذف نویز استفاده میکنیم سپس حروف و ارقام را از هم جدا مینماییم و رقمها را تک به تک در نظر می گیریم. در بخشپیشپردازش، حاشیهها را حذف میکنیم، به لبههای رقم میرسیم و به اندازه استاندارد تبدیل میکنیم. در بخش استخراج ویژگی، ما3 ویژگی به نامهای نقاط بلوکی، خطوط افقیعمودی و میانگینگیری انتخاب و به بررسی این سه روش استخراج ویژگی میپردازیم و در نهایت با پیادهسازی روش پیشنهادی نرخ شناسایی 166 درصد بدست میآید. که در مقایسه با کارهای پیشین دقت بالاتری بدست آمدهاست.

نویسندگان

چمران عسگری

دانشگاه پیام نور، گروه کامپیوتر، ایران

هادی سلیمانی

دانشگاه پیام نور، گروه کامپیوتر، ایران

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 :
  • آزیارت‌بان، مرادی. بهبود کارایی طبقه‌بندی کننده فازی با آموزش توابع ...
  • آمحسن مشکی، عادل ترکمان. بهینه‌سازی پارامترهای موثر در استخراج ویزگی ...
  • آمحمد نحوی، بهبود بخش استخراج ویژگی در خواندن ارقام دست‌نویس ...
  • حسن سلطانزاده، محمد رحمتی. شناسایی ارقام دست‌نویس با استفاده از ...
  • احسین خسروی، احسان اله کبیر. معرفی 2 ویژگی سریع و ...
  • Morita, M., Sabourin, R.. Bortolozzi, F. & Suen, Y. C. ...
  • Liu, L. C.. Nakashima, K., Sako H., & Fujisawa, H. ...
  • Liu C-L, Nakashima K, Sako H, Fujisawa H. Handwritten digit ...
  • Zhang P, Bui TD, Suen CY. A novel cascade ensemble ...
  • Suen CY, Liu K, Strathy NW. Sorting and recognizing cheques ...
  • Shen D, Lp HHS. Discriminative wavelet shape descriptors for recognition ...
  • Mozaffari S, Faez, K, Ziaratban M Structural decomposition and statistical ...
  • Maergner V, Pechwitz M, E]-Abed H. Arabic handwriting recognition competition. ...
  • Sadri J, Suen CY, Bui TD. Application of support vector ...
  • Ehsani MS, Babaee MR. Recognition of Farsi handwritten cheque values ...
  • Monadjemi SA, the OCR Research Group. Farsi and Arabic OCR ...
  • Khosravi H, Kabir E. Introducing a very large dataset of ...
  • Soltanzadeh H, Rahmati M. Recognition of Persian handwritten digits using ...
  • Al-Omari FA, Al-Jarrah O. Handwritten Indian numerals recognition system using ...
  • Zhang P, Bui TD, Suen CY. Hybrid feature extraction and ...
  • Ziaratban M, Faez K, Faradji F. Language -based feature extraction ...
  • Abdelazeem S, El-Sherif E. Arabic handwritten digit recognition. Int J ...
  • Chen H, Tang YY, Fang B, Wang PSP. A muli-layer ...
  • Esmail Miri, S. Mohammad Razavi. Performance Optimization of Neural Networks ...
  • Mohammad Masoud Javid 1, Fatemeh Sharifizadeh. A Modified Decision Templates ...
  • Hamid Salimi 0 Davar Givek, Farsi/Arabic handwritten digit recognition based ...
  • of SVD classifiers and reliable multi-phase PSO combination rule _ ...
  • Zahra Kamranian, S. Amirhassan Monadjemi, Naser Nematbakhs. A novel free ...
  • Reza Azad, Fatemeh Davami, Hamidreza Shayegh Boroujeni. Recognition of Handwritten ...
  • نمایش کامل مراجع