پدرام فکری - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه بین المللی امام رضا (ع)
مصطفی عسگری - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه بین المللی امام رضا (ع)

استخراج ویژگی از بخش های مهم در طراحی سیستم های هوشمند تشخیص کاراکتر می باشد. بدیهی است، هر چه ویژگی های استخراجی قدرت تمایز بیشتری در فضای تعریف یک نمونه را ایجاد کنند، صحت دقت در بخش دسته بندی نیز افزایش خواهد یافت. در مقاله پیش رو ابتدا چندین ویژگی متداول مورد بررسی قرار خواهد گرفت و در ادامه به معرفی ویژگی های پیشنهادی پرداخته خواهد شد. این ویژگی ها در راستای ایجاد تمایز بین کلاس هایی از حروف تعریف می گردد که بیشترین شباهت و همپوشانی را دارند و در فاز آموزش سیستم به اشتباه در یک کلاس قرار می گیرند. قابل ذکر است تمامی ویژگی های مورد استفاده در حوزه مکان تعریف می گردد. هدف، صرفاً م عرفی ویژگی های پیشنهادی بوده است که در ترکیب با ویژگی های رایج می تواند صحت دقت سیستم را بهبود بخشد. لذا از پرداختن به فاز دسته بندی جهت رسیدن به دقت خودداری شده است. سیستم تشخیص حروف با دست بند درخت تصمیم جهت تعیین تأثیر هر ویژگی در دست بندی آموزش دید و نتایج تأثیر مثبت یا منفی به صورت مجزا برای تمامی ویژگی های معرفی شده، به تفکیک 35 کلاس از حروف، گزارش شده است.

استخراج ویژگی، پردازش تصویر OCR، درخت تصمیم، تشخیص حروف