CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

روشی جدید برای قطعه بندی و طبقه بندی تصویر سندی مبتنی بر تبدیل موجک و الگوریتم ژنتیک

اعتبار موردنیاز : ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۱۵۲۱ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: پوستر
کد COI مقاله: ACCSI13_243
زبان مقاله: فارسی
حجم فایل: ۱۲۸.۶۸ کیلوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روشی جدید برای قطعه بندی و طبقه بندی تصویر سندی مبتنی بر تبدیل موجک و الگوریتم ژنتیک

مهدی فارسی عباس آبادی - کارشناس ارشد،گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد تهران جن
  نصرا... مقدم چرکری - استادیار،گروه مهندسی کامپیوتر دانشگاه تربیت مدرس،تهران،ایران

چکیده مقاله:

تبدیل اسناد کاغذی به صورت نسخه الکترونیکی برا ی ذخیره سازی، بازیابی و جستجو بر اساس محتوی مسأله مهمی به شمار می رود،از طرف دیگر در سال های اخیر جهان با رشد فزاینده ای به سمت انتقال و ذخیره سازی اسناد به صورت دیجیتالی درحال پیشروی است.در این مقاله ما به آنالیز نواحی متنی از غیر متنی در سند می پردازیم.برای رسیدن به این مقصود، ابتدا سند قطعه بندی می شود،زیرا قطعه بند ی مرحله مهمی در آنالیز و تشخیص نوع نواحی(متن/تصویر)در سند است، سپس شناسایی مناطق متنی و تصویری توسط طبقه بندها انجام می گیرد،در این راستا برای شناسایی نوع قطعات از ویژگ ی ها ی بافت تصویر استفاده می شود.بدلیل اینکه ابعاد استفاده شده برا ی شناسا یی قطعات توسط طبقه بندها (شبکه عصبی وSVM ) زیاد می باشد،از الگوریتم های تکاملی مانند ژنتیک برای کاهش ابعاد استفاده می کنیم. آزمایشات بر روی ۹۷۷ سند که از اینترنت گرفته شده است انجام شده است .اسناد مورد آزما یش از زبان های مختلف شامل ارسی،انگلیسی،چینی،ژاپنی و یونانی انتخاب شده و در ۹ دسته طبقه بندی شده است.نتایج آزمایشات نشان می دهد که با روش ارا ئه شده قطعات متنی داخل تصاویر یا چسبیده به تصاویر بهتر از سند جدا شده و همچنین باعث کاهش خطا ی تشخیص قطعات متنی می شود،مزیت دیگر ا ی ن روش شناسا یی قطعات تصو یری در سند می باشد. الگوریتم ارائه شده حدود ۹۷.۵ % قطعات را به درستی تشخیص می دهد.

کلیدواژه‌ها:

قطعه بندی،تبدیل موجک،تشخیص متن،طبقه بندی،شبکه عصبی ،SVM، الگوریتم ژنتیک.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI13-ACCSI13_243.html
کد COI مقاله: ACCSI13_243

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
فارسی عباس آبادی, مهدی و نصرا... مقدم چرکری، ۱۳۸۶، روشی جدید برای قطعه بندی و طبقه بندی تصویر سندی مبتنی بر تبدیل موجک و الگوریتم ژنتیک، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_243.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (فارسی عباس آبادی, مهدی و نصرا... مقدم چرکری، ۱۳۸۶)
برای بار دوم به بعد: (فارسی عباس آبادی و مقدم چرکری، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • _ G. Nagy., *Twenty years of document image analysis in ...
  • A. K. Jain and B. Yu., 4 Document representation and ...
  • N. Amamoto, S. Torigoe, and Y. Hirogaki, ، Block Segmentation ...
  • M. Acharyya and M.K. Kundu, 4Document Image Segmentation Using Wavelet ...
  • A. Busch _ W.W. Boles, S. Sridharan. "Texture for script ...
  • S. Mao and T. Kanungo. "Empirical performance evaluation methodology and ...
  • Y. Qiao, Z. Lu, C. Song and S. Sun. 4.Document ...
  • L.. oGorfan, _ Document Spectrum for Page Layout Analysis, " ...
  • Nagy, G., Seth, S. and Viswanathan, M.: "A prototype document ...
  • A. Jain and Y. Zhong, *Page Segmentation Using Texture Analysis, ...
  • Qixiang Ye, Qingming Huang, Wen Gao and Debin Zhao, 4#Fast ...
  • H.Li, D. Doermann, O. Kia, 4 Autormuatic text detection and ...
  • R. Lienhart, A. Wernicke, "Localizing and segmenting text in images ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.