مشخصات مقاله:
عنوان فارسی مقاله:
روش تقسیم بندی جدید برای متن فارسی با هر فونت
عنوان انگلیسی مقاله:
A new segmentation technique for omnifont Farsi text
کلمات کلیدی مقاله:
متن فارسی. با هر فونت. تقسیم بندی کاراکتر. ردیابی حد فاصل. کد زنجیره ای
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
مهندسی الگوریتم ها و محاسبات، هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1- مقدمه
2- پیش پردازش
2-1- محاسبه اندازه قلم
2-2 تشخیص خط مبنای کلی
2-3- تنظیم خط مبنای موضعی
3- الگوریتم تقسیم بندی
3- 1- برچسب گذاری حد فاصل
3-2 تقسیم بندی کاراکتر
4- پس از پردازش
5- نتایج تجربی
6- نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Optical character recognition is an attractive branch of pattern recognition with many applications in man±machine interface and document processing. Intensive research has been done and commercial systems are now available (Mori et al., 1992). However, there are a few works reported on the recognition of Arabic and Farsi texts (e.g., Amin, 1998; Parhami and Taraghi, 1981; Massruri and Kabir, 1995; Azmi and Kabir, 1996). Farsi is written from left to right. Each word, machine-printed or handwritten, may consist of several separated subwords. A subword is either a single character or a set of connected characters. Although, seven Farsi characters out of 32, do not join to their left neighbors, others join to the neighboring characters to make a word or a subword. Each character may take up to four dierent shapes, depending on its position in the subword. The neighboring characters, separated or connected, may overlap vertically. There are similar characters that only dier in their dots. These characteristics of Farsi script are shown in Fig. 1.
1. مقدمه
تشخیص کاراکتر نوری، شاخه جذابی از تشخیص الگو با کاربردهای زیادی در واسطه انسان-ماشین و پردازش اسناد است. تحقیقات فشرده ای انجام شده است و سیستم های تجاری در حال حاضر موجود هستند (Mori و همکاران، 1992). با این حال، چند آثار گزارش شده در تشخیص متون عربی و فارسی (به عنوان مثال، Amin، 1998؛ Parhami و Taraghi، 1981؛ Massruri و Kabir، 1995؛ Azmi و Kabir، 1996) وجود دارد.
فارسی از چپ به راست نوشته می شود. هر کلمه، چاپی و یا دست نوشته، ممکن است شامل چند زیرکلمه جدا از هم باشد. یک زیرکلمه، یک کاراکتر و یا مجموعه ای از کاراکترهای متصل است. اگر چه، هفت کاراکتر از از 32 کاراکتر فارسی، به کاراکترهای مجاور سمت چپ خود پیوسته نمی شوند، دیگر کاراکترها به کاراکترهای مجاور می پیوندند تا یک کلمه و یا یک زیرکلمه را بسازند. هر کاراکتر ممکن است چهار شکل مختلف را به خود بگیرد که این وابسته به موقعیت آن در زیرکلمه است. کاراکترهای مجاور، از هم جدا و یا متصل، ممکن است به صورت عمودی با هم همپوشانی داشته باشند. کاراکترهای مشابهی وجود دارند که فقط در نقاط خود متفاوت اند. این ویژگی دست خط فارسی در شکل 1 نشان داده شده است.
