ارائه یک الگوریتم برای تشخیص فونت نوری فارسی با استفاده از آشکارسازهای مستقل از مقیاس

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 937

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:

NPECE01_175

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

این مقاله الگوریتم جدیدی را برای تشخیص فونت نوری فارسی POFR به عنوان نخستین گام در بازشناسی نویسه های فونت فارسی پیشنهاد می دهد الگوریتم پیشنهاد شده از آشکار سازهای مستقل از مقیاس بهره می برد از مشتق گیری جهتی برای مشخص کردن ویژگی ها استفاده می شود و با روش K- means دسته بندی را انجام می دهند آشکارساز مستقل از مقیاس نقاط کلیدی در تصویر اسکن برداری شده از نمونه متن فارسی چاپ شده با فونت خاص را به دست می اورد این نقاط کلیدی برای یک فونت خاص با تغییر مقیاس تغییر روشنایی تصویر و چرخش حفظ می شوند از این رو ویژگی های مناسب برای تشخیص فونت می باشند در این مقاله مقایسه ای بین آشکارساز های مستقل از مقیاس و انتخاب بهترین آن ها برای POFR انجام گرفته است یک توصیف گر مبتنی بر مشتق جهانی از روی نقاط کلیدی ویژگی های مناسب و مستقل از مقیاس را ارایه می دهد و برای دسته بندی K- means استفاده می شود الگوریتم پیشنهاد شده هنگامی که با الگوریتم هایی که بتازگی برای POFR منتشر شده اند مقایسه می گردد برتری قابل ملاحظه ای را نشان می دهد

کلیدواژه ها:

تشخیص فونت نوری فارسی POFR ، بازشناسی نویسه های نوری چند فونتی OCR ، آشکار ساز مستقل از مقیاس ، نقاط کلیدی ، روش K- means

نویسندگان

مرجان روزی طلب

گروه مهندسی برق واحد علوم و تحقیقات فارس دانشگاه آزاد اسلامی فارس ایران

حامد آگاهی

گروه مهندسی برق واحد شیراز دانشگاه آزاد اسلامی شیراز 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 :
  • Al-Badr, B., Mahmoud, S.A.: Survey and bibliography of Arabic optical ...
  • Slimane, F., Kanoun, S., Alimi, A.M., Ingold, R., Hennebert, J.: ...
  • Pourasad, Y., Ghorbani, A., ghouparanloo, S.: Farsi font and font ...
  • Bataineh, B., Norul, S., Abdullah, H., Omar, K.:Astatistical global feature ...
  • Essoukri, N., Amara, B., Gazzah, S.: Une approche d" identification ...
  • Pourasad, Y., Hassibi, H., Ghorbani, A.: Farsi font recognition in ...
  • Pourasad, Y., Hassibi, H., Ghorbani, A.: Farsi font recognition using ...
  • Slimane, F., Kanoun, S., Hennebert, J., Alimi, A.M., Ingold, Rolf: ...
  • Mikolajczyk, K., Schmid, C.: Scale&affine invariant interest point detectors. Int. ...
  • Mikolajczyk, K., Tuytelaars, T., Schmid, C., Zisserman, A., Matas, J., ...
  • Szeliski, R.: Computer Vision: Algorithms and Applications. Texts in Computer ...
  • Lowe, David G.: Distinctive image features from scale-invariat keypoints. Int. ...
  • Mikolajczyk, K., Schmid, C.: A performance evaluation of local descriptors. ...
  • Mackay, D.J.C.: Chapter 20. An example inference task: Clustering. In: ...
  • Information theory, inference, and learning algorithms, Cambridge Univ. Press, Cambridge ...
  • نمایش کامل مراجع