پردازش متن فارسی (OCR)
چکیده:
نرم افزارهای پردازش متن برای تشخیص و بازیابی الفبا توسط کامپیوتر طراحی می شوند. برای ساخت و توسعه چنین نرم افزارهایی نیازمند تحقیقات در زمینه های سیستم های بیومتریک، پردازش تصویر، سامانه های هوشمند که بر گرفته از (سیستمهای خبره، الگوریتم ژنتیک و منطق فازی) می باشیم. در این تحقیق ابتدا نگاهی اجمالی به مفاهیم سیستم های تشخیص هویت، پردازش تصویر و انواع سیستم های پردازش متن و مراحل مختلف برای تکمیل چنین سیستم های داریم. سپس با استناد به مقالات مختلف در زمینه پردازش متن که بیشتر مباحث پیش پردازش را با روشهای مختلف مورد ارزیابی قرار داده اند. روشهای بهبود مراحل پیش پردازش را برای توسعه یک سیستم پردازش متن کارامد مورد مطالعه و بررسی قرار می دهیم. مباحث ذکر شده در این تحقیق شامل (شناسایی کلمات فارسی با استفاده از شبکه های عصبی مصنوعی- بازشناسی کلمات دست نویس فارسی با حروف کسسته با استفاده از شبکه های عصبی سلسله مراتبی- بازشناسی کلمات دست نویس فارسی با استفاده از ویژگی هیستوگرام گرادیان بهبود یافته-بازشناسی برون خطی کلمات دستنویس فارسی بر مبنای فشرده سازی تصاویر- بازشناسی برخط حروف فارسی بر پایه مدل مارکوف) می باشند.
فهرست مطالب:
چکیده
مقدمه
سیستم های تشخیص هویت
تشخیص الگو
پردازش تصویر
کاربرد پردازش تصویر
اهداف پردازش تصویر
OCR فارسی
تاریخچه سیستم ها
انواع سیستم های OCR
بررسی مراحل مختلف تکمیل یک سیستم OCR
1ـ پیش پردازش
1ـ1ـ کاهش نویز
2ـ1ـ نرمالیزه کردن
2ـ قطعه بندی
3ـ استخراج ویژگی ها
4ـ طبقه بندی و بازشناسی
5ـ پس پردازش
ویژگی های کلی نگارش فارسی
شناسایی کلمات فارسی با استفاده از شبکه های عصبی مصنوعی
ـ روش های تقطیع
ـ شبکه عصبی
ـ سیستم پیاده سازی شده در این روش
ـ مراحل پیش پردازش
ـ استخراج ویژگی
ـ مرحله شناسایی
ـ الگوریتم جستجو
بازشناسی کلمات دست نویس فارسی با حروف گسسته (با استفاده از شبکه عصبی سلسله مراتبی)
ـ ساختار شبکه عصبی طراحی شده
ـ تهیه بانک اطلاعاتی آموزش و تست
بازشناسی کلمات دست نویس فارسی با استفاده از ویژگی هیستوگرام گرادیان بهبود یافته
مرحله پیش پردازش
ـ تکنیک های پیش پردازش
استخراج ویژگی هیستوگرام گرادیان محلی
شبکه عصبی RBF
الگوریتم ISO CLUS
بازشناسی برون خطی کلمات دست نویس فارسی بر مبنای فشرده سازی تصاویر
ـ مراحل پیش پردازش
ـ بررسی الگوریتم تجزیه وتحلیل تطابقی
ـ الگوریتم CA
ـ الگوریتم FCNN
بازشناسی برخط حروف فارسی برپایه مدل مارکوف
ـ مدل مخفی مارکوف
ـ چارچوب بازشناسی
ـ غربال کردن حروف نامزد توسط بخش های حروف
ـ غربال کردن حروف نامزد توسط اجزای حروف
ـ نمونه بردار
ـ استخراج ویژگی
- مدل مخفی مارکوف
منابع
تعداد مشاهده: 2988 مشاهده
فرمت فایل دانلودی:.docx
فرمت فایل اصلی: docx
تعداد صفحات: 50
حجم فایل:1,106 کیلوبایت
-
راهنمای استفاده:
مناسب برای دانشجویان رشته های مهندسی کامپیوتر و فناوری اطلاعات
-
محتوای فایل دانلودی:
در قالب فایل word و قابل ویرایش
پروژه استفاده از داده کاوی در شناسایی تصاویر چهره
چکیده:
تشخیص چهره همواره بعنوان یکی از مقبول‌ترین روشهای بیومتریک شناخته شده است. اما علیرغم اهمیت مبحث تشخیص هویت مبتنی بر چهره، بسیاری از روش‌ها و الگوریتم‌های موجود، تنها تحت شرایط کنترل شده و با وجود تصاویر نرمال، قادر به کسب نتایج مناسب می‌باشند. درحالی که در کاربرد‌های واقعی، همواره با تغییرات چهره و چالش‌ها و پوشیدگی‌های موضعی در تصویر مواجه هستیم.
در تشخیص چهره مشکلاتی وجود دارد که موجب انتخاب کاندیدهای اشتباه بعنوان چهره می‌شود و یا اینکه ناحیه‌ای از تصویر که شامل چهره است را نادیده می‌گیرد. از جمله مشکلات تشخیص چهره چالش پوشیدگی موضعی است که سه مورد آن عبارتند از: پوشیدگی موضعی بوسیله عینک، ریش، سبیل و موی سر و همچنین سایز بزرگ تصایر ورودی موجب کاهش سرعت پردازش و عدم اجرای بسیاری از الگوریتم‌ها روی تصاویر با سایز بزرگ می‌شود، مشکل دیگر چرخش سر در تصویر می‌باشد. با توجه به اهمیت چالش پوشیدگی موضعی در تشخیص چهره و عدم موفقیت رویکر‌های کلی نگر در حل آن و چرخش سر و سایز بزرگ تصویر، در این تحقیق به منظور حل این معضلات، از سه الگوریتم که در این زمینه دارای دقت بسیار بالایی در رفع چالشهای فوق می‌باشند استفاده شده است که عبارتند از: الگوریتم داده کاوی مافیا که ویژگی‌های اصلی چهره را بطور بسیار دقیق مشخص می‌کند و الگوریتم ژنتیک که مشکلات پوشیدگی موضعی را مرتفع می‌سازد و الگوریتم ماشین پشتیبانی بردار بر اساس درخت جستجوی دودویی که الگوریتم معروف و دقیق و سریعی می‌باشد.
به منظور ارزیابی کارایی روش فوق، مجموعه آزمایشاتی به‌کمک پایگاه داده ای از تصاویر انجام گرفته است. ارائه نتایج امیدبخش در حضور شش چالش فوق، در مقایسه با موفق‌ترین روشهای موجود، نشان دهنده بهبود چشمگیری در نرخ تشخیص چهره می‌باشد.
کلمات کلیدی: شناسایی چهره، ویژگی‌های الگو، ویژگی‌های الگو با ماکزیمم تکرار، داده کاوی، ماشین پشتیبانی بردار
فهرست مطالب:
1- مقدمه
2- اصول و روشهای تشخیص چهره
2-1- روشهای بر اساس دانش و ویژگی‌های ثابت
2-1-1- روش بالا به پایین بر اساس دانش
۲-1-1-1- دیدگاه یانگ و هانگ
۲-1-2- روش پایین به بالا براساس ویژگی
2-1-2-1- ویژگی‌های چهره
2-1-2-1-1- دیدگاه سیروهی
2-1-2-1-2- دیدگاه چتوریکو و لرچ
2-1-2-1-3- دیدگاه لونگ
2-1-2-1-4- دیدگاه یو و سیپولا
2-1-2-2- بافت وترکیب
2-1-2-2-1- رویکرد آوجستیجن و سکوفسا
2-1-2-3- رنگ پوست
2-1-2-3-1- دیدگاه ساکس و فولدس
2-1-2-3-2- دیدگاه کجلدسن و کندر
2-1-2-4- تعدد ویژگی‌ها
2-1-2-4-1- دیدگاه یاچیدا
۲-۲- تطبیق با الگو
۲-۲-1- الگوهای از پیش تعریف شده
۲-۲-1-1- دیدگاه ساکای
۲-۲-1-2- دیدگاه کرا
۲-۲-1-3- دیدگاه سینها
۲-۲-۲- الگوهای دگردیس‌پذیر
۲-۲-۲-1- دیدگاه لانیتیس
۲-۲-۲-2- دیدگاه کوتس و تیلور
2-3- روشهای بر اساس ظاهر
2-3-1- Eigenfaces
2-3-1-1- دیدگاه تورک و پنتلند
۲-۳-۲- روشهای براساس توزیع
۲-۳-۲-1- دیدگاه سانگ و پجیو
3-۳-۲- شبکه‌های عصبی
3-۳-۲-1- دیدگاه آگوی
3-۳-۲-2- دیدگاه ویلانت
2-3-4- روش ماشین پشتیبانی بردار
2-3-5- شبکه اسپارس
2-3-5-1- دیدگاه یانگ
2-3-6- طبقه‌بندی نایوبیز
2-3-6-1- دیدگاه ریکت
2-3-7- Model Hidden Markov
2-3-8- رهیافت تئوری اطلاعات
2-3-8-1- دیدگاه بریمان
2-3-9- یادگیری استقرایی
2-3-9-1- دیدگاه دوتا و جین
3- بررسی چالشهای تشخیص چهره و انواع آن
3-1- چالشهای تشخیص چهره
2-۳- فاز آموزش
3-2-1- پیش پردازش تصویر
3-2-1-1- نرمالیزه کردن تصویر
3-2-1-2- رفع مشکل تصاویر ورودی در سایزهای بزرگ
3-2-1-3- رفع مشکل چرخش سر در تصویر
3-2-2- یافتن الگوی ویژگی‌های مثبت و منفی
3-2-2-1- بکارگیری الگوریتم داده کاوی مافیا در استخراج ویژگی
3-2-2-2- استخراج ویژگی‌های مثبت و منفی
3-2-3- ساخت شناساگر چهره
3-2-3-1- الگوریتم ژنتیک
3-2-3-1-1- الگوریتم ژنتیک در شناسایی چهره‌های تحت پوشیدگی با عینک و ریش و سبیل و پس زمینه‌های درهم و برهم
3-2-3-2- ویژگی‌های چهره
3-2-3-3- Kd-tree SVM
3-2-3-3-1- الگوهای تفکیک پذیر خطی
3-2-3-3-2- یافتن ابر صفحه‌ی بهینه
3-2-3-3-3- ابرصفحه‌ی بهینه برای الگوهای غیرقابل تفکیک
3-2-3-3-4- Kd-tree
3-3- فاز تشخیص
4- پایگاه داده ها
4-1- انتخاب پایگاه داده‌های آموزشی
4-2- ارزیابی و بررسی عملکرد انواع تشخیص لبه در نرمالیزه کردن تصویر
4-3- ارزیابی و بررسی نتایج عملکرد الگوریتم داده کاوی مافیا
4-3-1- نتیجه آزمایش عملکرد الگوریتم داده کاوی مافیا
4-4- ارزیابی و بررسی عملکرد استاندارد سازی تصاویر در سایزهای بزرگ
4-5- ارزیابی و بررسی رفع چالش چرخش سر در تصویر
4-5-1- نتایج آزمایش چرخش سر در تصویر
4-6- ارزیابی و بررسی عملکرد الگوریتم ژنتیک
4-6-1- الگوریتم ژنتیک
4-6-2- ارزیابی و بررسی الگوریتم ژنتیک در شناسایی چهره‌های تحت پوشیدگی با عینک
4-6-3- ارزیابی و بررسی الگوریتم ژنتیک در شناسایی چهره‌های تحت پوشیدگی با ریش و سبیل
4-6-4- ارزیابی و بررسی الگوریتم ژنتیک در شناسایی چهره‌های با پس زمینه‌های درهم و برهم
5- نتیجه‌گیری
تعداد مشاهده: 1657 مشاهده
فرمت فایل دانلودی:.doc
فرمت فایل اصلی: doc
تعداد صفحات: 70
حجم فایل:4,657 کیلوبایت
-
راهنمای استفاده:
گزارش اختصاصی سایت به همراه پاورقی، شکل، جدول و فهرست منابع
مناسب برای استفاده دانشجویان رشته مهندسی کامپیوتر و فناوری اطلاعات
(گزارش در سطح کارشناسی ارشد نرم افزار)
-
محتوای فایل دانلودی:
در قالب فایل word و کاملاً قابل تغییر و ویرایش
به همراه توضیحات کامل و روان مطالب با عکس