یک روش خودکار مبتنی بر شبکه عصبی خودسازمان ده و الگوریتم ژنتیک برای جداسازی حروف فارسی در تصاویر متنی

در این مقاله، یک روش خودکار برای جداسازی حروف فارسی در تصاویر حاوی متون فارسی ارائه شده است که به عنوان یکی از واحدهای اصلی سامانه های تشخیص نویسه خوان نوری (OCR) فارسی است. این روش مبتنی بر یافتن یک ماشین حالت است که اطلاعات ستون های یک سطر از نوشته را به عنوان ورودی دریافت کرده، حالت خود را تعویض نموده و در نهایت در مکان های مناسب جداسازی حروف را اعلام می کند. از شبکه عصبی نگاشت خودسازمانده کوهونن (SOM)، برای برچسب زدن به ستون های یک سطر از متن استفاده شده است و برای یافتن یک ماشین حالت جداساز مناسب، از الگوریتم ژنتیک بهره گرفته شده است. میزان بهینگی هر یک از ماشین های حالت، با اجرای ماشین حالت بر روی داده های آموزش، مشخص می شود. میزان دقت این روش بر روی داده های آزمون که از 8000 حرف تشکیل شده اند، 99.5% بوده است. علاوه بر دقت بالا، مزیت دیگر این روش نسبت به روش های مشابه، تمام خودکار بودن مراحل آن است که با داشتن داده های آموزش، می توان تمامی مراحل را بدون تغییر بر روی داده های جدید انجام داد.

کلیدواژه ها:

نویسه خوان نوری فارسی(OCR) ، جداسازی حروف فارسی ، نگاشت خودسازمانده کوهونن(SOM) ، ماشین حالت ، الگوریتم ژنتیک