استفاده از مناطق شاخص زیر- کلمات چاپی فارسی برای کاهش فضای جستجو در بازشناسی آنها
الموضوعات :
هما داودی
1
,
احسان‌اله کبیر
2
1 - دانشگاه تربیت مدرس
2 - دانشگاه تربیت مدرس
الکلمات المفتاحية: توصیف‌گر شکل زیر- کلمات چاپی شکل کلمات طبقهبندی منطقه شاخص,
ملخص المقالة :
در روشهای رایج برای کاهش اندازه دیکشنری، معمولاً مجموعه کلمات بر اساس ویژگیهای شکل کلی‌شان خوشهبندی میشوند. سپس، هر کلمه ورودی به این خوشهها طبقهبندی میشود. با توجه به تأثیر مستقیم این مرحله در نتیجه نهایی سیستم بازشناسی، کاهش دیکشنری باید با دقت بالایی انجام شود. به این منظور در این مقاله روشی را برای تأیید ارائه میکنیم که میزان اطمینان به خوشه انتخابی را تعیین میکند. میزان اطمینان به خوشه انتخابی بر اساس ویژگیهای محلی شکل تعیین میشود. بردارهای ویژگی محلی از شکل زیر- کلمه ورودی استخراج شده و با مناطق شاخص متناظر با خوشه انتخابی مقایسه میشود. مناطق شاخص یک خوشه، مناطقی از شکل هستند که زیر- کلمات آن خوشه را از سایر خوشه ها متمایز می‌کنند و در انتها روش تأیید پیشنهادی به همراه مجموعهای از قوانین برای کاهش اندازه دیکشنری به کار میرود. آزمایش‌های انجام‌شده بر مجموعه شکلهای زیر- کلمات فارسی نشان میدهد با روش پیشنهادی این مقاله میتوان با حفظ دقت، فضای جستجو را تا حد قابل توجهی کاهش داد.
[1] T. Adamek, N. E. Connor, and A. F. Smeaton, "Word matching using single closed contours for indexing handwritten historical documents," Int. J. of Document Analysis and Recognition, vol. 9, no. 2-4, pp. 153-165, 2007.
[2] J. R. Pinales, R. J. Rivas, and M. J. C. Bleda, "Holistic cursive word recognition based on perceptual features," Pattern Recognition Letters, vol. 28, no. 13, pp. 1600-1609, 1 Oct. 2007.
[3] A. Amin, "Recognition of printed arabic text based on global features and decision tree learning techniques," Pattern Recognition, vol. 33, no. 8, pp. 1309-1323, 2000.
[4] A. Ebrahimi and E. Kabir, "A pictorial dictionary for printed farsi sub - words," Pattern Recognition Letters, vol. 29, no. 5, pp. 656-663, 2008.
[5] K. Zagoris, K. Ergina, and N. Papamarkos, "A document image retrieval system," Engineering Application of Artificial Intelligence, vol. 23, no. 6, pp. 872-879, 2010.
[6] S. Bai, L. Li, and C. L. Tan, "Keyword spotting in document images through word shape coding," in Proc. 10th Int. Conf. on Document Analysis and Recognition, ICDAR'09, pp. 331-335, 26-29 Jul. 2009.
[7] L. Li, S. Lu, and C. L. Tan, "A fast keyword-spotting technique," in Proc. 9th Int. Conf. on Document Analysis and Recognition, ICDAR'07, pp.68-72, 23-26 Sep. 2007.
[8] S. Lu and C. L. Tan, "Document image retrieval through word shape coding," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 30, no. 11, pp. 1913-1918, Nov. 2008.
[9] J. A. Rodriguez-Serrano and F. Perronnin, "Handwritten word - spotting using hidden markov models and vocabularies," Pattern Recognition, vol. 42, no. 9, pp. 2106-2116, Sep. 2009.
[10] T. M. Rath and R. Manmatha, "Word spotting for historical documents," Int. J. on Document Analysis and Recognition, vol. 9, no. 2-4, pp. 139-152, Apr. 2007.
[11] Y. Lu and C. L. Tan, "Information retrieval in document image databases," IEEE Trans. on Knowledge and Data Engineering, vol. 16, no. 11, pp. 1398-1410, Nov. 2004.
[12] ا. ابراهیمی، استفاده از شكل كلي زير- كلمات چاپي در بازيابي تصوير مستندات و بازشناسي متون فارسي، رساله دکتری مهندسی برق- الکترونیک، دانشگاه تربیت مدرس، تهران، 1384.
[13] ح. خسروی و ا. کبیر، "ارزیابی روشهای بازشناسی متون فارسی بر مبنای شکل کلی زیر- کلمات،" نشریه مهندسی برق و کامپیوتر ایران، جلد 7، شماره 4، صص. 280-267، زمستان 1388.
[14] S. Madhvanath, G. Kim, and V. Govindaraju, "Chain code contour processing for handwritten word recognition," IEEE Trans. on Pattern Recognition and Machine Intelligence, vol. 21, no. 9, pp. 928-932, Sep. 1999.
[15] ا. ابراهیمی و ا. کبیر، "یک روش دومرحلهای برای بازشناسی زیر- کلمات چاپی،" نشریه مهندسی برق و کامپیوتر ایران، جلد 2، شماره 2، صص. 62-57، ﭘﺎﻳﻴﺰ و زﻣﺴﺘﺎن 1383.
[16] S. G. Madhvanath and V. Govindaraju, "The role of holistic paradigms in handwritten word recognition," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 23, no. 2, pp. 149-164, Feb. 2001.
[17] A. Rehman and T. Saba, "Off - line cursive script recognition: current advances, comparisons and remaining problems," Artificial Intelligence Review, vol. 37, no. 4, pp. 261-288, 2012.
[18] L. M. Lorigo and V. Govindaraju, "Off - line arabic handwriting recognition: a survey," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 28, no. 5, pp. 712-724, May 2008.
[19] م. ش. شهرضا، تشخیص کلمات و ارقام دست‌نویس فارسی به وسیله شبکه‌های عصبی (خط نسخ)، رساله دکتری مهندسی برق و کامپیوتر، دانشگاه امیرکبیر، تهران، 1374.
[20] ر. عزمی، بازشناسی متون چاپی فارسی، رساله دکتری مهندسی برق- الکترونیک، دانشگاه تربیت مدرس، تهران، 1378.
[21] M. Dehghan, K. Faez, M. Ahmadi, and M. Shridhar, "Handwritten farsi (arabic) word recognition: a holistic approach using discrete HMM," Pattern Recognition, vol. 34, no. 5, pp. 1057-1065, 2001.
[22] M. H. Shirali - Shahreza, K. Faez, and A. Khotanzad, "Recognition of handwritten farsi numerals by zernike moments features and a set of class - specific neural network classifiers," in Proc. on Int. Conf. of Signal Processing Applications and Technology, pp. 998-1003, 18-20 Oct. 1994.
[23] P. Shilane and T. Funkhouser, "Distinctive regions of 3D surfaces," ACM Trans. on Graphics, vol. 26, no. 2, Article 7, Jun. 2007.
[24] C. Harris and M. Stephens, "A combined corner and edge detector," in Proc. of 4th Alvey Vision Conf., pp. 147-151, 1988.
[25] N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," in Proc. of IEEE Computer Society Conf. on Computer Vision and Pattern Recognition, pp. 886-893, 2005.
[26] ﻫ. داودی و ا. کبیر، "تعیین بخشهای مهم در شکل زیر- کلمات چاپی،" بیستمین کنفرانس مهندسی برق ایران، 2447-2442 صص.، تهران، 28-26 ارديبهشت 1391.
