ساره مهاجر اورسجی

بازشناسی متن می تواند متون اسکن شده یا عکس متون را به صورت متن تایپی درآورد و از کاربردهای آن شناساییپلاک های اتومبیل های مختلف، تبدیل متون کتب یا روزنامه های قدیمی به صورت متن تایپ شده و ... است.هدف از این تحقیق ارائه طبقه بندی در سامانه بازشناسی زیرکلمات برای تشخیص کلمات می باشد . برای تشخیصزیرکلمه ما از روش اول بر مبنای شکل کلی کلمه استفاده کردیم . مراحل کلی بازشناسی به این صورت است که ابتدامرحله پیش پردازش و سپس جداسازی و استخراج ویژگی و شناسایی و به هم پیوستن قطعات مجاور می باشد.برای طبقهبندی می توان از شبکه های عصبی مصنوعی که عموما MLP استفاده می شود . در قسمت استخراج ویژگی ، ویژگی هایدنباله خطوط در یک حرف یا زیر کلمه به کمک تبدیل هاف و مکان مشخصه و ناحیه بندی و جایگاه بخش های اضافی وتعداد نقاط و دنباله کد زنجیرهای و نسبت ارتفاع به پهنا استفاده شده است.دقت به دست آمده در این روش برای 1000داده با 5 فونت میترا،لوتوس،زر،یاقوت و نازنین برابر 97٪ شد.

روشهای بازشناسی، شبکه عصبی مصنوعی، استخراج ویژگی، تبدیل هاف