محسن رزاقی - گروه کامپیوتر دانشگاه آزاد اسلامی واحد مشهد
سعید راحتی قوچانی - گروه برق دانشگاه آزاد اسلامی واحد مشهد

دراین مقاله یک تکنیک جدید مبتنی برترکیب قطعه بندی با الگوریتم ژنتیک و دسته بند SVM ارایه شده است که طی آن ساختار اسناد مالی تصویری شامل مهر امضا دست نوشته تایپی با دقت بالایی شناسای ی می گردد بدین صورت که پس از طرح بندی فیزیکی سند اسکن شده مالی بلوکهایی تولید می شوند که با استفاده از روش پیشنهادی مرکب از الگوریتم ژنتیک و دسته بندی SVM ویژگیهای بهینه آنها انتخاب شده و درنهایت براساس اینویژگیها مشخص می شود که هریک از این بلوکها به چه جزئی از سند مالی تعلق دارند درروش پیشنهادی برخلاف روشهای قبلی از ویژگیهای حالت باینری سطوح خاکستری رنگی مربوط به یک سند استفاده شده است که درنتیجه باعث افزایش نرخ صحت بازشناسی شده است همچنین از ویژگیهایی که تغییرات و بی نظمی ها را مدنظر قرارمیدهند و الهام گرفته از رفتار طبیعی وسیستم بینایی انسان درشناسایی ساختار اسناد مالی است استفاده می شود نتایج آزمایشات نرخ صحت بالای بازشناسی را نشان میدهد.

بازشناسی الگوها، الگوریتم ژنتیک، ماشین بردار پشتیبان، استخراج ویژگی، انتخاب ویژگی