معرفی دو روش جدید استخراج ویژگی از ارقام دستنویس فارسی مبتنی بر تعداد حالتهایهمسایگی خاص پیکسل ها
Publish place: 4st Petro ICT Conference & Exhibition
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 648
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PETROICT04_059
تاریخ نمایه سازی: 9 فروردین 1395
Abstract:
این مقاله دو روش جدید استخراج ویژگی از تصاویر دودویی معرفی شده است. این روش ها که ویژگی حالتهای همسایگی نامیده شده اند، مبتنی بر شمارش تعداد حالتهای همسایگی های مختلف در پیکسل های تصویر بوده و برای تصاویر دودویی استفاده شده است. در روش پیشنهادی اول، تعداد حالت های مختلف همسایگی 4 تایی که تعداد محدودی می باشد، در کل تصویر شمارش شده و به عنوان بردار ویژگی معرفی می شود. در روش پیشنهادی دوم، تصاویر ارقام ضخامت یک پیکسل نازک سازی می شوند. با این کار تعداد حالت های همسایگی 8 گانه هر پیکسل مرکزی محدود می شود و می توان تعداد حالت های همسایگی محدود در اطراف یک پیکسل مرکزی را به عنوان ویژگی در نظر گرفت. برای ثبت نتایج و مقایسه،آزمایشها روی مجموعه ارقام دستنویس فارسی هدی انجام شده است که دارای 60000 نمونه آموزش و 20000 نمونه آزمایش است. نتایج به دست آمده مزیت روش پیشنهادی با نتیجه 97.4 که یکی از بالاترین نرخ های تشخیص که تا کنون برای این دیتابیس گزارش شده است، نشان می دهد. طبقه بند مورد استفاده، یک شبکه عصبی MLP چند لایه است.
Keywords:
Authors
شکراله محمدی نیا
مسئول پشتیبانی از سیستم های تلمتری
رضا حق مرام
دانشگاه جامع امام حسین (ع)
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :