پروژه نهایی درس روشها و سیستمهای فازی ارائه روشی فازی برای شناسایی الگوهای عددی فارسی 25 ص

پروژه نهایی درس روشها و سیستمهای فازی ارائه روشی فازی برای شناسایی الگوهای عددی فارسی 25 ص

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 24 صفحه

 قسمتی از متن word (..doc) : 
 

‏ارائه روشی فا‏ز‏ی برای شناسایی الگوهای عددی فارسی
‏پروژه نهایی درس روشها و سیستمهای فازی
‏ارائه روشی فازی
‏
‏برای
‏شناسایی الگو های عددی فارسی
‏فهرست
‏تعریف پرو‏ژه
‏مروری بر کار های انجام شده
‏تحلیل موضوع
‏ -- پیش پردازش
‏ -- استخراج وی‏ژگی ه‏ا
‏ -- شناسایی
‏ارائه روشی فا‏ز‏ی برای شناسایی الگوهای عددی فارسی
‏ - مجموعه فازی و انتخاب تابع عضویت
‏تحلیل کد های استفاده شده در شبیه سازی
‏شبیه سازی و ارائه نتایج تجربی
‏بررسی مزایا و معایب روش موجود
‏پیوست
‏مراجع
‏تعریف پرو‏ژه
‏تشخیص دست نوشته ها موضوعی است که در سه دهه اخیر مورد مطالعه و بررسی گسترده ای قرار گرفته است و با انفجار تکنولو‏ژی اطلاعات ‏پیشرفت های چشم گیری در این زمینه از تحقیقات اتفاق افتاده است .
‏دو روش کلی ومتفاوت برای شناسایی دست نوشته وجود دارد :on_line‏ و off_line‏ .در سیستم های on_line‏ با استفاده از یک قلم مخصوص بر روی سطحی الکترونیکی روند نوشتن انجام میشود و تشخیص به صورت on_line‏ انجام می گیرد ‏٬ ‏کاریرد ‏این نوع سیستم ها ‏ در حوزه های امنیتی از جمله امضای دیجیتال می باشد .در سیستم های off_line‏ دست نوشته ها قبلا جمع آوری شده اند و شناسایی بر روی آنها انجام می گیرد‏٬ کاربرد این نوع سیستم ها ‏در خواندن اتوماتیک چک های بانکی ‏٬‏آدرس های پستی [1]‏٬ خ‏وا‏ندن نامه های تجاری‏ ‏و...‏می باشد[2]‏.
‏ارائه روشی فا‏ز‏ی برای شناسایی الگوهای عددی فارسی
‏یکی از کاربرد های موفق از تشخیص دست نوشته ‏٬ ‏باز شناسی نویسه های نوری Optical characters recognition
‏است که جندین سال است که موضوع تحقیقات قرار گرفته است ٬‏ برای اولین بار فقط کاراکتر های مجزا توسط این سیستم ها مورد شناسایی قرار می گرفتند ودر نتیجه روند تکامل‏٬‏ تمام کلمات مورد شناسایی توسط سیستم های ocr‏ قرار گرفتند[3]‏ اسناد دست نوشته برای شناسایی از طریق این گونه سیستم ها باید کاملا تمیز و با کیفیت بالا باشند.
‏در این پروژه می خواهم ‏با استفاده ‏از وی‏ژگی های ‏روش‏ فازی ‏روشی‏ برای شناسایی ارقام‏ دست نویس‏ فارسی ارائه دهم ‏.
‏برای شناسایی الگو های اعداد با قلم ها و اندازه های مختلف ، نرمالیزه کردن الگو ها امری اجتناب نا پذیر است ، بدین منظور از پنجره ای با اندازه ثابت استفاده کرده و اعداد را با مقیاس مناسبی در داخل این پنجره قرار می دهیم ‏.
‏مهمترین عامل در شناسایی اعداد و حروف توسط چشم انسان وی‏ژگی های ‏م‏ربوط به هر نویسه است ،چشم به ط‏و‏ر طبیعی ‏ در مقایسه وی‏ژگی های حروف و اعداد به صورت فازی عمل می کند روش های مختلفی را می توان برای استخراج وی‏ژگی ها مورد استفاده قرار داد مثلا می توان یک نویسه را به قطعات کوچکتری شامل : خطوط افقی ،عمودی ، مایل و ‏همچنین منحنی های بسته و کمان های محدب ومقعر تجزیه کرد و نحوه اتصال قطعات را مورد بررسی قرار داد . در این ‏پرو‏ژه‏ برای استخراج وی‏ژگی ‏از روش چهار خانه استفاده می شود [14,15]‏
‏در این روش یک تصویر با ابعاد64*64 به جدولی با ابعاد 8*8 نگاشته می شود ‏،بنابر این جدولی شامل 64 خانه خواهد بود که ابعاد هر یک از خا نه های جدول 8*8 است.
‏برای هر خانه جدول یک وی‏ژگی استخراج کرده ، وی‏ژگی بر اساس فاصله برداری نرمالیزه در[14]‏ انتخاب می شود ‏،مجموعه داده ای به عنوان مجموعه مرجع در نظر گرفته می شود و میانگین ، واریانس ، تابع عضویت هر وی‏ژگی و سپس متوسط تابع عضویت برای نمونه های مرجع ‏را به دست می آوریم واز این به بعد هر عددی که به سیستم داده شود وی‏ژگی هایش را استخراج می کنیم و تابع عضویت هر وی‏ژگی را به دست آورده و با نمونه های مراجع مقایسه می شود و شناسایی بر اساس یک روش فازی صورت می گیرد‏.
‏ارائه روشی فا‏ز‏ی برای شناسایی الگوهای عددی فارسی
‏در این پرو‏ژه دو تابع فازیگر ‏را معرفی کرده ، در قسمت ‏های ‏بعدی به چگونگی و جزییات مراحل کار می پردازم .
‏مروری بر کار های انجام شده
‏همان طور که گفته شد ‏یکی از کاربرد های موفق از ‏ت‏شخیص دست نوشته ‏٬ ‏باز شناسی نویسه های نوری Optical characters recognition
‏است که ‏چ‏ندین سا‏ ‏ل است که موضوع تحقیقات قرار گرفته است ٬‏ برای اولین بار فقط کاراکتر های مجزا توسط این سیستم ها مورد شناسایی قرار می گرفتند ودر نتیجه روند تکامل‏٬‏ تمام کلمات مورد شناسایی توسط سیستم های ocr‏ قرار گرفتند[3]‏ اسناد دست نوشته برای شناسایی از طریق این گونه سیستم ها باید کاملا تمیز و با کیفیت بالا باشند.
‏در نتیجه تحقیقات و تلاش های موثر ‏٬ سیستم هایی برای زبان انگلیسی[4 ]‏٬ زبان عربی [5]‏ ٬‏زبان فارسی٬ [1]‏زبان چینی[6]‏و‏ دست نوشته های عددی [7]‏ فراهم است.
‏اولین گام برای تبدیل تصویر به اطلاعات قابل فهم برای کامپیوتر ‏٬ پارامتریک کردن عملیات است . لذا اولین عملیاتی که بر ر‏و‏ی تصویر ا‏نجام می دهیم عملیات پیش پردازش تصویر است که می خواهیم بعضی از متغیر های ناخواسته را که باعث پیچیدگی پروسه تشخیص می شوند را کاهش دهیم ‏٬ عملیاتی مانند اصلاح کجی ها ٬ هموار سازی ‏٬ نرمالیزه کردن‏٬ بخش بندی segmentation
‏ و.. یر روی تصاویر اعمال می کنیم. [8]
‏بعد از این مرحله باید وی‏ژگی ها را اس‏تخراج کنیم‏٬‏در[9]‏ برای انتخاب وی‏ژگی ها ‏٬ روشhmm‏ دو بعدی را انتخاب کرده است‏ ‏و سپس یک روش دسته بندی را برای شناسایی انتخاب کرده‏٬ روش های دسته بندی‏ کننده‏ نیز‏ بسیار مختلف است٬ ‏ از جمله ‏دسته بندی کننده
‏های svm‏ ,neural networks,‏ ‏,knn‏. .[10,11]
‏ ‏روش های زیادی برای استخراج وی‏ژگی ها وجود دارد اما مسئله اصلی که در این رابطه وجود دارد پیدا کردن روش های استخراج وی‏ژگی نیست بلکه به دن‏با ‏ل پیدا کردن ‏ب‏هترین روش ‏ب‏رای استخراج وی‏ژگی ها هستیم [12]‏