بهبود نرخ بازشناسي ارقام دستنويس فارسي به روش SIFT

بازشناسي ارقام دستنويس فارسي يكي از مسائل مهم درحوزه بازشناسي الگو مي باشد. تحقيقات در اين زمينه چندين دهه است كه آغاز شده و هنوز هم در حال تحول مي باشد. يكي از مواردي كه اخيرا در بازشناسي الگو بسيارمورد توجه قرار گرفته، انتخاب ويژگي است. با پيدا كردن بهترين گروه ويژگي ها از ميان كل ويژگي هايي كه استخراج مي شوند، مي توان علاوه بر كاهش تعداد ويژگي ها و هزينه هاي محاسباتي، نرخ بازشناسي را به ميزان قابل توجهي بهبود بخشيد. استخراج ويژگي از مهم‌ترين قسمت‌هاي يك سيستم بازشناسي مي‌باشد و در اين مقاله بر روي اين قسمت تمركز شده است. و دليل آن‌ هم اين است كه اين مرحله از اساسي‌ترين مراحل يك سيستم تشخيص الگو يا يك سيستم بازشناسي مي‌باشد، لذا بهبود نرخ بازشناسي و درنتيجه بالا رفتن كارايي سيستم را در پي خواهد داشت آنچه اتفاق خواهد افتاد بهبود نرخ بازشناسي و درنتيجه بالا رفتن كارايي سيستم خواهد بود. روش‌هاي مختلفي براي استخراج ويژگي توسط محققان به كار گرفته شده است. در اين مقاله به بررسي بهينه استخراج ويژگي هاپرداخته شده است و در اين راستا از روش توصيفگر ويژگي مستقل ازمقياس استفاده شده است. هدف از اين مقاله استخراج ويژگي‌هاي بهينه هست به طوري ‌كه اين ويژگي‌ها مستقل از مقياس، چرخش و يا روشنايي باشند. به ‌منظور رسيدن به اين هدف از روش SIFT بهره گرفته ‌شده است