بازشناسي كلمات دست نويس فارسي به كمك تبديل قطبي - لگاريتمي و مدل مخفي ماركوف

در اين مقاله يك سيستم بازشناسي كلمات فارسي معرفي مي‌شود كه از خود همبستگي محلي مرتبه بالاي تصوير قطبي - لگاريتمي براي استخراج ويژگي از زيركلمات فارسي استفاده مي‌كند. اين شيوه استخراج ويژگي باعث مي‌شود سيستم در مقابل تغييرات نگارشي مانند تغيير مقياس‌هاي خطي و چرخش مقاوم شود. همچنين به كمك تبديل قطبي- لگاريتمي، نمونه‌برداري از تصوير زيركلمه به صورتي انجام شده كه بيشترين نمونه‌ها در يك ناحيه خاص متمركز باشد. در روش ارائه‌شده از مدل مخفي ماركوف گسسته به عنوان طبقه‌بند و همچنين براي افزايش امنيت و دقت خروجي سيستم بازشناسي از يك شبكه واژه‌نامه استفاده شده و براي ارزيابي سيستم از پايگاه داده ايران‌شهر استفاده شده بود. مقايسه نتايج حاصل از روش پيشنهادي با نتايج ساير روش‌هاي استخراج ويژگي مؤيد اين است كه سيستم بازشناسي پيشنهاد‌شده در اين مقاله از حساسيت كمتري نسبت به تغييرات نگارشي برخوردار است.