روشی جدید برای قطعه بندی کلمات به منظور شناسایی زیرکلمات موجود در اسناد قدیمی دست نویس فارسی

جست و جوی کلمات کلیدی در اسناد و کتب تاریخی دستنویس برای محققان و پژوهشگران علوم مختلف از اهمیت بالایی برخوردار است. از آنجاکه این کتب با گذشت زمان دچار فرسودگی شده اند، لذا تصاویر اسکن شده آنها نیز کیفیت بالایی ندارند؛ بنابراین روش های مبتنی بر بازشناسی حروف بر روی این متون خوب کار نمی کنند و دقت عملکرد بسیار پایینی دارند. قطعه بندی، جزء مهمترین مراحل پیش پردازش در سیستم های بازشناسی حروف محسوب می شود . زیرا خطوط متنی جدا شده در این مرحله و همچنین قطعه بندی زیرکلمات و کاراکترها در مراحل بعد برای تشخیص کلمه و مراحل برچسب گذاری جهت عملیات تشخیص و بازیابی کلمات نیاز خواهند بود. در این مقاله ما یک روش جدید برای قطعه بندی یک سند قدیمی دست نویس به خطوط و سپس به زیرکلمات جدا از هم را ارائه نموده ایم.

Keywords:

اسناد خطی , دست نویس , زیرکلمات , قطعه بندی