باز ترکیب ویژگی های حوزه فرکانس و مکان جهت تشخیص ماشینی زبان اشاره

سیستمی برای تشخیص الفبای زبان اشاره فارسی ، شناسایی 32 حالتدست برای الفبای فارسی و ترجمه آن به متن فارسی ارائه شده است.بنابراین، تصاویر موقعیت دست برا ی هر حرف الفبا در نظر گرفته شد. پایگاه داده حاوی 600 تصویر از افراد مختلف بود که توسط یک دوربین دیجیتا ل گرفته شده بودند. تمام داده های تصویر به دامنه باینری منتقل شده و با استفاده از یک مقیاس واحد تغییر اندازه داده شد. پیش پردازش داده ها یتصویر شامل برش تصویر و حذف نویز بود. پس از پیش پردازش، سهالگوریتم برای استخراج ویژگیها پیشنهاد شد، از جمله الگوریتم تقسیم بندی تصویر، فاصله بین نقاط مرزی و الگوریتم مرکز ثقل و تبدیل رادون. الگوریتم فواصل بین نقاط مرزی و مرکز ثقل، موقعیت نقاط را درمنحنی محیطی عقربه نسبت به یکدیگر و مرکز ثقل نشان میدهد و از ای نرو اطلاعات ساختاری مناسبی برا ی توصیف حالت ها ارائه می دهد. الگوریتم بعدی بر اساس تقسیم بندی تصویر است که در آن نسبت تعداد پیکسل های سفید به تعداد کل پیکسل ها در هر ناحیه محاسبه می شود. دقتتشخیص با استفاده از روش پیشنهادی و حذف اطلاعات اضافی در تبدیلرادون علاوه بر به دست آوردن اطلاعات کلی تصویر در هر حالت، بهبودیافت. روش های پیشنهادی همچنین نتایج مناسبی را در پا یگاه ها ی دادهتصویر دیگر ارائه کردند.

recombining features of frequency domain and location for machine recognition of sign language

in this article, a system for recognizing persian sign language alphabets is presented. this system is able to recognize 32 hand postures for persian alphabets and translate it into persian text. for this purpose, images of hand positions have been considered for each letter of the alphabet. the database contains 600 images of different people taken by a digital camera. we have transferred all the image data to the binary domain and resized them with a single scale. image data preprocessing includes image cropping and noise removal. after pre-processing, 3 algorithms are proposed to extract features. the proposed algorithms include the image segmentation algorithm, the distance between border contour points and the center of gravity algorithm, and radon transformation. algorithm of the distances between the border contour points and the center of gravity shows how the points are placed on the peripheral curve of the hand in relation to each other and to the center of gravity, and therefore provides suitable structural information for describing states. the next algorithm is based on image segmentation. in this algorithm, the ratio of the number of white pixels to the total number of pixels is calculated in each of the areas. in radon transformation, in addition to obtaining the general information of the image in each of the modes, we have increased the accuracy of the detection by using the proposed method and discarding additional information. the proposed methods also provided good results on other image databases.