fa یک روش دو مرحلهای برای بازشناسی کلمات دستنوشته فارسی به کمک بلوکبندی تطبیقی گرادیان تصویر مقالات پردازش متن Paper پژوهشي Research <p><a name="up">در این مقاله یک روش دو مرحلهای برای بازشناسی کلمات دست نوشته فارسی ارائه شده است. در مرحله اول برای افزایش دقت و کاهش بارمحاسباتی، الگوریتمی برای کاهش کلمات فرهنگ لغت قابل مقایسه با کلمه مورد آزمون ارائه شده است. برای این منظور کلمات موجود در فرهنگ لغت توسط الگوریتمهای خوشه بندی ،دسته بندی می شوند. خوشه بندی در این مرحله بر اساس ویژگیهایی که شکل کلی کلمه را توصیف می کنند، می باشد. در مرحله دوم یک روش جدید جهت استخراج ویژگی هیستوگرام گرادیان تصویر کلمه پیشنهاد شده است که این روش پیشنهادی تناظر بین نمونههای مختلف تصاویر یک کلمه دستنوشته را بهتر نشان میدهد. با مقایسه بردار ویژگی نزدیک- K استخراج شده از کلمه ورودی و بردار ویژگی کلمات کاندید (بدست آمده از مرحله اول) در یک طبقه بند ترین همسایه بهترین کاندید برای کلمه ورودی شناسایی می گردد. نتایج پیاده سازی روش پیشنهادی بر روی پایگاه داده "ایران شهر" نشان می دهد که مرحله کاهش فرهنگ لغت و روش جدید جهت استخراج ویژگی هیستوگرام گرادیان، دقت و سرعت سیستم را بطور قابل ملاحظهای هم از لحاظ دقت و تا حدودی از لحاظ سرعت بهبود می بخشد</a></p> <p>This paper presented a two step method for offline handwritten Farsi word recognition. In first step, in order to improve the recognition accuracy and speed, an algorithm proposed for initial eliminating lexicon entries unlikely to match the input image. For lexicon reduction, the words of lexicon are clustered using ISOCLUS and Hierarchal clustering algorithm. Clustering is based on the features that describe the shape of word generally. In second step, a new method proposed to extract histogram of gradient image which this showed well the correspondence between different samples of handwritten word images. The gradient feature vectors of input words are compared with gradient feature vectors of candidate words using K nearest neighbor classifications. The recognition result on handwritten words of IRANSHAR dataset showed that the lexicon reduction step and the new method of extracting gradient feature increased recognition accuracy and speed by removing classifier confusion.</p> بازشناسی کلمه دست نوشته, الگوریتم خوشه بندی ISOCLUS, الگوریتم DTW , ویژگی پروفایل, ویژگی هیستوگرام گرادیان handwritten Farsi word recognition,ISOCLUS clustering algorithm,DTW algorithm, profile feature, gradient histogram feature 15 29 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-305-1&slc_lang=fa&sid=1 الهام بایسته تاشک bayesteh.el@gmail.com 10031947532846002157 10031947532846002157 Yes alireza ahmadifard علیرضا احمدی فرد 10031947532846002158 10031947532846002158 No دانشگاه صنعتی شاهرود hossein khosravi حسین خسروی 10031947532846002159 10031947532846002159 No دانشگاه صنعتی شاهرود