یک روش خودکار مبتنی بر شبکه عصبی خودسازمان ده و الگوریتم ژنتیک برای جداسازی حروف فارسی در تصاویر متنی

سال انتشار: 1394
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
کد COI اختصاصی: ICIKT07_061
زبان مقاله: فارسی
تعداد مشاهده: 1629

نویسندگان

دانشجوی کارشناسی ارشد، دانشکده علوم و فنون نوین، دانشگاه تهران

استادیار، دانشکده علوم و فنون نوین، دانشگاه تهران

چکیده

در این مقاله، یک روش خودکار برای جداسازی حروف فارسی در تصاویر حاوی متون فارسی ارائه شده است که به عنوان یکی از واحدهای اصلی سامانه های تشخیص نویسه خوان نوری (OCR) فارسی است. این روش مبتنی بر یافتن یک ماشین حالت است که اطلاعات ستون های یک سطر از نوشته را به عنوان ورودی دریافت کرده، حالت خود را تعویض نموده و در نهایت در مکان های مناسب جداسازی حروف را اعلام می کند. از شبکه عصبی نگاشت خودسازمانده کوهونن (SOM)، برای برچسب زدن به ستون های یک سطر از متن استفاده شده است و برای یافتن یک ماشین حالت جداساز مناسب، از الگوریتم ژنتیک بهره گرفته شده است. میزان بهینگی هر یک از ماشین های حالت، با اجرای ماشین حالت بر روی داده های آموزش، مشخص می شود. میزان دقت این روش بر روی داده های آزمون که از 8000 حرف تشکیل شده اند، 99.5% بوده است. علاوه بر دقت بالا، مزیت دیگر این روش نسبت به روش های مشابه، تمام خودکار بودن مراحل آن است که با داشتن داده های آموزش، می توان تمامی مراحل را بدون تغییر بر روی داده های جدید انجام داد.

کلیدواژه ها

نویسه خوان نوری فارسی(OCR)، جداسازی حروف فارسی، نگاشت خودسازمانده کوهونن(SOM)، ماشین حالت، الگوریتم ژنتیک

مقالات مرتبط جدید

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.