بازشناسي قلم‌هاي فارسي بر اساس تركيب ويژگي ها و خبره ها

در اين مقاله،‏ يك روش جديد بر اساس تركيب ويژگي‌ها و طبقه‌بند‌ها براي بازشناسي قلم‌هاي فارسي معرفي شده است. ويژگي‌ها ازتصاوير متون مختلف كه به صورت بافت‌هايي با ابعاد يكسان 128× 128 پيكسل در آمده‌اند و با استفاده از روش‌هاي مختلفي همچون فيلتر گابور،‏ نقاب‌هاي سوبل/روبرت و تبديل‌هاي موجك دابيشز،‏ هار و فيلتر‌هاي پايين گذر و بالا گذر سيملت استخراج شده‌ند. ويژگي‌هاي استخراج شده از اين روش‌ها به صورت 2 به 2 با يكديگر تركيب گرديده‌اند. براي ارزيابي نرخ بازشناسي به كمك ويژگي‌هاي استخراج شده از سه شبكه عصبي MLP جهت طبقه‌بندي استفاده شده‌ و نتايج آنها با هم تركيب شده‌است. هر كدام از شبكه‌هاي عصبي با استفاده از مجموعه ويژگي‌هاي حاصل از تركيب دو روش آموزش داده شده است. در نهايت با استفاده از الگوريتم جمعيت پرندگان،‏ وزن‌هاي بهينه را به منظور كمينه شدن خطا تعيين شدند. روش پيشنهادي با استفاده از پايگاه دادهHoda شامل 21000 نمونه از 10 فونت فارسي مختلف،‏ ارزيابي گرديده است. با استفاده از وزن هاي تعيين شده،‏ تركيب شبكه‌هاي عصبي صورت گرفته است. با استفاده از روش ارائه شده نرخ بازشناسي 97.45 درصد بدست آمده‌است كه نسبت به ديگر روش‌هاي ارائه شده بهبود چشمگيري در نرخ بازشناسي نتيجه شده است.