One of the complex documents in the real world is city maps. In these kinds of maps, text labels overlap by graphics with having a variety of fonts and styles in different orientations. Usually, text and graphic colour is not predefined due to various map publishers. In most city maps, text and graphic lines form a single connected component. Moreover, the common regions of text and graphic lines have similar features; hence, the separation of text and graphic lines is a challenging task in document analysis. Generally, these text labels could not be recognized efficiently by current commercial OCR systems in city map processing. In this paper, we propose an image decomposition approach based on stroke width feature to extract text labels from city maps. In our approach, we assign to each pixel of image a local stroke width based on minimum distance from borders in four directional borders. This mapping generates a suitable representation to distinguish text and non-text pixels. The experimental results on several varieties of city maps are promising تفاصيل المقالة

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. تفاصيل المقالة