بازشناسی قلم¬های فارسی با استفاده از ترکیب ویژگی های بافت و ماشین بردار پشتیبان

در این مقاله از ترکیب ویژگی‌های بافت مبتنی بر اطلاعات سطوح خاکستری برای بازشناسی قلم فارسی استفاده شده ‌است. ابتدا تکنیک استخراج ویژگی پیشنهادی از تصاویر متون مختلف چاپی به صورت بافت¬هایی در اندازه 128× 128 پیکسل استخراج شده و با یکدیگر ترکیب می‌شوند. بکارگیری یک روش دو مرحله ای جهت استخراج ویژگی مبتنی بر الگوریتم های الگوی باینری محلی و گرادیان های سوبل و رابرتز و ترکیب آن با ویژگی های ماتریس همرخداد سطوح خاکستری موجب بهبود دقت بازشناسی قلم فارسی گردید. الگوریتم پیشنهادی بر روی مجموعه داده ای شامل 21000 نمونه که از 10 نوع قلم فارسی رایج تهیه ‌شده، مورد آزمایش قرار گرفت. در روش مورد استفاده این تحقیق، خصوصیات قلم‌ها به خوبی استخراج می‌شوند و میانگین نرخ بازشناسی با استفاده از طبقه‌بند SVM برابر با 98.3 درصد است که نسبت به روش های مشابه از دقت بالاتری برخوردار می‌باشد.

تجزيه و تحليل تصوير مدرك، پردازش تصوير، بازشناسی قلم، استخراج ویژگی بافت