گروه بندی برخط حروف فارسی

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 381

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEITCONF01_088

تاریخ نمایه سازی: 26 مرداد 1397

چکیده مقاله:

روش های آماری مانند مدل مخفی مارکوف به خوبی در مسایل بازشناسی گفتار مورد استفاده قرار گرفته اند. اخیرا این متدها در بازشناسی دست نوشته نیز بکار گرفته شده اند. مدلسازی با استفاده از مدل مخفی مارکوف انجام می پذیرد و ویژگی های متعددی از دنباله نقاط نمونه برداری شده از حروف دست نوشته , جهت تخمین پارامترها , استخراج شده است. بازشناسی حروف در تصاویر متنی , یکی از موضوعات جذاب و چالش برانگیز در بسیاری از حوزه های شناسایی الگو, هوش مصنوعی, بینایی ماشین و پردازش تصویر است. اصطلاح بازشناسی نوری حروف به تکنیکهایی اطلاق می شود که در تصاویر اسکن شده , نواحی متنی را تشخیص و سپس این نواحی تصویری را به متن قابل ویرایش توسط ماشین, تبدیل می نمایند. در این مقاله بازشناسی حروف دستنویس فارسی و تکنیکهای بکار رفته در این حوزه , در چند سال اخیر مورد بررسی وارزیابی قرار گرفته است.

نویسندگان

احمد ایرانی فر

دانشجوی کارشناسی ارشد نرم افزار. دانشگاه آزاد اسلامی واحد زاهدان

محمود شهرکی

دانشجوی کارشناسی ارشد نرم افزار. دانشگاه آزاد اسلامی واحد زاهدان