مقایسه ویژگیهای مبتنی بر فیلترهای گابور و ارایه روشی جدید برای تعیین هویت نویسنده براساس دستنوشته فارسی

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,488

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP04_019

تاریخ نمایه سازی: 21 دی 1386

چکیده مقاله:

اغلب تحقیقات انجام شده در زمینه تعیین هویت نویسنده بر روی زبان انگلیسی متمرکز بوده و تاکنون مطالعاتی در زمینه متون دستنویس فارسی گزارش نشده است. بنابراین در این مقاله روشی برای تعیین هویت نویسنده براساس متن دستنویس فارسی پیشنهاد شده که بصورت برون خط و مستقل از متن انجام میشود. براساس ایده مطرح شده در مطالعات قبلی، در روش پیشنهادی تصویر متن دستنویس به صورت یک بافت در نظر گرفته شده و پس از مرحله نرمال سازی، با کمک فیلترهای گابور ویژگیهای متن استخراج می شود. ویژگی روش پیشنهادی استفاده از بانک فیلتری است که با ساختار متون دستنویس فارسی و همچنین سیستم بینایی تناسب بیشتری دارد. علاوه بر این روش جدیدی جهت استخراج ویژگیها از خروجی فیلترهای گابور پیشنهاد شده که مبتنی بر ویژگی انرژی گابور و گشتاورهای هندسی است. همچنین برای اولین بار، روشهای مختلف استخراج ویژگی از خروجی فیلترهای گابور را برای مسئله تعیین هویت نویسنده مورد بررسی کامل قرار دادهایم. تمامی این روشها به همراه دو روش ماتریس هم وقوعی و روشSaid که مبتنی بر فیلترهای گابور می باشد و برای متون انگلیسی پیشنهاد شده است، را پیاده سازی نمودهایم. نتایج اجرای روشها بر روی تصاویر دستخط 40 نفر که هیچ محدودیتی در نوع دستخط آنها وجود ندارد، نشان میدهد که روش پیشنهادی از کارایی بالاتری برای متون دستنویس فارسی برخوردار است.

نویسندگان

فاطمه شهابی نژاد

دانشگاه صنعتی امیرکبیر

محمد رحمتی

دانشگاه صنعتی امیرکبیر

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 :
  • ف. شهابی نژاد و م. رحمتی، تعیین و تایید هویت ...
  • S. N. Srihari, H. Arora, S. H. Cha and Sangjik ...
  • A. Bensefia, _ Paquet and L. Heutte, ،0A writer identification ...
  • L. Schomaker and M. Bulacu, ،0 Automatic writer identification using ...
  • M. Bulacu, L. Schomaker, and L. Vuurpijl, ،، Writer identification ...
  • E.N. Zois and V. Anasta ssopoulos, ، _ Morphol ogical ...
  • A. Schlapbach and H. Bunke, *Using HMM based recognizers for ...
  • H. E. Said, T. N. Tan and K. D. Baker, ...
  • J. Ha, R.M. Haralick and I.T. Phillips, ، Document page ...
  • R. Manmatha and L. Rothfeder, ،0 A scale space approach ...
  • G.S. Peake, T.N. Tan, *Script and language identification from document ...
  • Y. Zhu, T.N. Tan and Y. Wang, ،Font recognition based ...
  • P. Kruizinga and N. Petkov, ،Nonlinear operator for oriented texture, ...
  • D.A. Pollen and S.F. Ronner, ،، Visual cortical neurons as ...
  • fields and Receptive؛ [15]D.H. Hubel and T.N. Wiesel, functional ar ...
  • A.K. Jain and F. Farrokhnia, *Unsupervi sed texture segmentation using ...
  • T.N. Tan, ،Rotation invariant texture features and their use in ...
  • T.N. Tan, ،Texture feature extraction via visual cortical channel modelling, ...
  • نمایش کامل مراجع