بازشناسی قلم های فارسی براساس ترکیب ویژگی ها و خبره ها

در این مقاله، یک روش جدید براساس ترکیب ویژگی ها و طبقه بند ها برای بازشناسی قلم های فارسی معرفی شده است. ویژگی ها از تصاویر متون مختلف که به صورت بافت هایی با ابعاد یکسان 128 ×128 پیکسل در آمده اند و با استفاده از روش های مختلفی همچون فیلتر گابور، نقاب های سوبل/روبرت و تبدیل های موجک دابیشز، هار و فیلتر های پایین گذر و بالا گذر سیملت استخراج شده ند. ویژگی های استخراج شده از این روش ها به صورت 2 به 2 با یکدیگر ترکیب گردیده اند. برای ارزیابی نرخ بازشناسی به کمک ویژگی های استخراج شده از سه شبکه عصبی MLP جهت طبقه بندی استفاده شده و نتایج آنها با هم ترکیب شده است. هر کدام از شبکه های عصبی با استفاده از مجموعه ویژگی های حاصل از ترکیب دو روش آموزش داده شده است. در نهایت با استفاده از الگوریتم جمعیت پرندگان، وزن های بهینه را به منظور کمینه شدن خطا تعیین شده اند. روش پیشنهادی با استفاده از پایگاه داده Hoda شامل 21000 نمونه از 10 قلم فارسی مختلف، ارزیابی گردیده است. با استفاده از وزن های تعیین شده، ترکیب شبکه های عصبی صورت گرفته است. با استفاده از روش ارائه شده نرخ بازشناسی 97.45 درصد بدست آمده است که نسبت به دیگر روش های ارائه شده بهبود چشمگیری در نرا بازشناسی نتیجه شده است.

کلیدواژه ها:

بازشناسی قلم فارسی ، تبدیل موجک ، گرادیان ، اختلاط خبره ها