بهبود نرخ بازشناسی ارقام دست نویس فارسی به روش SIFT

بازشناسی ارقام دست نویس فارسی یکی از مسایل مهم در حوزه بازشناسی الگومی باشد. تحقیقات در این زمینه چندین دهه است که آغاز شده و هنوز هم در حال تحول می باشد. یکی از مواردی که اخیرا در بازشناسی الگو بسیار مورد توجه قرار گرفته، انتخاب ویژگی است. با پیدا کردن بهترین گروه ویژگی ها از میان کل ویژگی هایی که استخراج می شوند، می توان علاوه بر کاهش تعداد ویژگی ها و هزینه های محاسباتی نرخ بازشناسی را به میزان قابل توجهی بهبود بخشید. استخراج ویژگی از مهم ترین قسمت های یک سیستم بازشناسی می باشد و در این مقاله بر روی این قسمت تمرکز شده است. و دلیل آن هم این است که این مرحله از اساسی ترین مراحل یک سیستم تشخیص الگو یا یک سیستم بازشناسی می باشد، لذا بهبود نرخ بازشناسی و در نتیجه بالا رفتن کارایی سیستم را در پی خواهد داشت آن چه اتفاق خواهد افتاد بهبود نرخ بازشناسی و در نتیجه بالا رفتن کارایی سیستم خواهد بود. روش های برای استخراج ویژگی توسط محققان به کار گرفته شده است. در این مقاله به بررسی بهینه استخراج ویژگی ها پرداخته شده است و در این راستا از روش توصیف گر ویژگی مستقل از مقیاس استفاده شده است. هدف از این مقاله استخراج ویژگی های بهینه هست به طوری که این ویژگی ها مستقل از مقیاس، چرخش و یا روشنایی باشند. به منظور رسیدن به این هدف از روش SIFT بهره گرفته شده است.

Keywords:

استخراج ویژگی , بازشناسی ارقام , توصیف گر ویژگی مستقل از مقیاس (SIFT) , نرخ بازشناسی