ارایه روشی جدید برای جداسازی خطوط در اسناد تایپی فارسی به کمک پردازش تصویر

هدف این مقاله ارایه روش جدید برای جداسازی خطوط با استفاده از الگوهای استخراج شده از ویژگی ها در اسناد تایپیفارسی می باشد. جداسازی خطوط به عنوان اولین و مهمترین مرحله پیش پردازش جهت آنالیز مکانیابی و بازشناسی کلمات دریک سند است. ابتدا با فرض بر اینکه اسناد موجود برای جداسازی خطوط، باینری میباشد با استفاده از پردازش سند موردنظر توسط تابع نوشته شده و بررسی تک تک پیکسل های آن و مقایسه با الگوهای آماری استخراج شده ابتدا و انتهای یک خطمشخص می گردد و در آرایه ای ذخیره می شود. در پایان از سند اولیه با توجه به مکان های بدست آمده برای ابتدا و انتهایخطوط، مرحله جدا سازی انجام می پذیرد. نتایج بدست آمده از بررسی روش بکاربرده شده برای 55 سند تایپی با فونت هایبیان شده و اندازه های مختلف نشان می دهد که جداسازی برای 100 % خطوط در این اسناد، با فونت های رایج Nazanin, BNazanin, Zar, BZar, Mitra, Lotus, Blotus و همچنین فونت های مشابه با موفقیت انجام می پذیرد.

Keywords:

جداسازی خطوط , اسناد تایپی فارسی , استخراج ویژگی , پردازش تصویر , الگوهای آماری