بازشناسی حروف برخط فارسی با استفاده از ویژگی‌های ساختاری
محورهای موضوعی : انرژی های تجدیدپذیر
1 - مربی/دانشگاه آزاد اسلامی واحد سمنان
2 - استاد/دانشگاه تربیت مدرس تهران
کلید واژه: گروه‌بندی, فارسی, درخت تصمیم, بازشناسی, دستنوشته برخط, حروف تنها,
چکیده مقاله :
در این مقاله گروه‌بندی و بازشناسی حروف تنهای فارسی که به صورت برخط نوشته شده باشند، بر اساس ویژگی‌های ساختاری آن‌ها ارائه شده است. حروف بر اساس شکل و ساختار نوشتاری بدنه اصلی آن‌ها به 9 گروه تقسیم می‌شوند. پس از استخراج ویژگی‌ها، گروه‌بندی با استفاده از درخت تصمیم انجام می‌شود. بازشناسی نهایی حروف با توجه به ساختار اجزای کوچک آن‌ها در هر گروه صورت می‌پذیرد. با توجه به این که در این مقاله از روش‌های زمان‌بر برای بازشناسی استفاده نشده است، روش پیشنهادی، روشی سریع در بازشناسی حروف برخط فارسی است. نتایج پیاده‌سازی این روش بر روی مجموعه داده "حروف برخط دانشگاه تربیت مدرس"، گروه‌بندی و بازشناسی حروف را به ترتیب با دقت بالای %94 و %92 نشان می‌دهد و این در حالی است که میانگین زمان پردازش و بازشناسی یک حرف حدود 3 میلی ثانیه به دست آمد.
In this paper, grouping and recognition of online Farsi discrete characters are presented according to their structural features. The letters are divided into 9 groups based on the form and structure of their main bodies. After feature extraction, grouping is performed using a decision tree. Final recognition of letters is carried out in each group by delayed strokes. The proposed method is a rapid method in character recognition because time-consuming methods have not been used. Our proposed method was tested on TMU-OFS dataset, and a recognition rate of 94% and 92% was achieved for character grouping and recognition, respectively. The mean processing time for recognizing a letter was 3ms.
_||_