طراحی سیستم رتبه بندی حروف خوشنویسی دست نویس نستعلیق مبتنی بر پردازش تصویر

هدف این مقاله طراحی سیستم رتبه بندی حروف دست نویس نستعلیق مبتنی بر پردازش تصویر می باشد که در دو مرحله آموزش و تست انجام می گیرد. در مراحل آموزش و تست، ویژگی های قابل اندازه گیری حروف که توسط چهار گروه خوشنویس عالی، خوب، متوسط و مبتدی نوشته شده است، استخراج می شوند. در مرحله آموزش، این ویژگی ها وارد شبکه های عصبی MLP می شوند هریک از این MLP ها دارای دو خروجی شامل شماره حرف و نمره ارزیابی آن در گروه است. همزمان ویژگی ها به یک شبکه عصبی احتمالی آموزش داده می شوند. خروجی آن، تعیین کننده نمره نهایی در شماره گروه مورد نظر است. سپس شبکه های آموزش دیده در مرحله آزمایش در مورد نمونه های تست، مورد ارزیابی قرار می گیرند. در این روش از یک سیستم فازی جهت تعیین رتبه (نمره) نهایی استفاده شد. میانگین نتایج رتبه بندی با الگوریتم اعتبارسنجی Fold-4 برای گروه های چهارگانه 38-90 بدست آمد.

کلیدواژه ها:

رتبه بندی ، شناسایی حروف ، شبکه عصبی ، نستعلیق