تشخیص حروف متون با استفاده از ویژگیهای الفبای زبان فارسی

نویسه خوانی نوری OCR عبارت است از بازشناسی اتوماتیک حروف موجود در تصاویر اسناد و تبدیل آنها به متون قابل جستجو و ویرایش توسط رایانه. یکی از مراحل مهم در سیستمهای تشخیص حروف، قطعهبندی و جداسازی حروف میباشد زیرا جداسازی نادرست منجر به تشخیص اشتباه حروف خواهد شد. با وجود کاربرد زیاد الفبای فارسی درسایر زبانها مانند عربی ، اردو و ... ، تحقیقات کمتری بر روی این الفبا نسبت به سایر زبانهای لاتین انجام شده است. پس یافتن الگوریتم مناسب برایاین امر از اهمیت بالایی برخوردار است. روشهای قبل، قطعهبندی حروف را با تعیین مرزهای الفبای زبان فارسی انجام میدهند. در این مقاله یک الگوریتم جدید بهبود یافته معرفی میشود که قطعهبندی را در سه مرحله تعیین خط زمینه، جداسازی کلمات و جداسازی کاراکترهای متن انجام می- دهد. سپس با استفاده از ویژگیهای الفبای زبان فارسی، روشهای هوش مصنوعی و آماری می توان قطعههای بدست آمده را با الفبای زبان فارسی تطبیق داد.

کلیدواژه ها:

سیستم تشخیص متن ، قطعه بندی ، خط زمینه ، ویژگی ، الفبای زبان فارسی