بررسی عملکرد روشهای پیش پردازش تصویر برروی نرخ بازشناسی ارقام دست نوشته ی فارسی

دراین مقاله روشهای موثر پیش پردازش تصویر برروی داده های با تنوع زیاد در دست نوشته ها به منظور استخراج ویژگیهای مطلوب تر و در نهایت رسیدن به نرخ بازشناسی بالاتر مورد بررسی قرارگرفته است عموما انچه تاکنون در پروسه پیش پردازش ارقام دست نوشته ی فارسی به کار رفته است شامل باینری کردن نازک سازی و هم اندازه کردن داده ها بوده است دراین تحقیق نشان داده شده است که با اضافه کردن مراحل پیش پردازش پیشنهادی نرخ بازشناسی به میزان قابل توجهی بهبود می یابد. روشهای پیش پردازش پیشنهادی عبارتند از : تبدیل لاپلاس، پردازش مورفولوژی و استخراج کادری از تصویر که فقط شامل اطلاعات تصویری اصلی است جهت استخراج ویژگی از روش مکان مشخصه و جهت کاهش ابعاد ویژگی ها از روش PCA استفاده شده است بردار ویژگی استخراج شده به عنوان ورودی به سه نوع طبقه بند RBF ، MLP و کمترین فاصله اعمال گردید. بعد از انجام ازمایشها بدون به کاربردن روشهای پیش پردازش پیشنهادی با 15 بردار ویژگی استخراج شده نرخ بازشناسی در طبقه بندهای RBF ، MLP و کمترین فاصله به ترتیب 91/34% و 80/36% و 73/77% حاصل گردید.

کلیدواژه ها:

پیش پردازش ، پردازش مورفولوژی ، مکان مشخصه ، طبقه بندی ، نرخ بازشناسی