بازشناسی قلم‌های فارسی بر اساس ترکیب ویژگی ها و خبره ها

در این مقاله،‏ یک روش جدید بر اساس ترکیب ویژگی‌ها و طبقه‌بند‌ها برای بازشناسی قلم‌های فارسی معرفی شده است. ویژگی‌ها ازتصاویر متون مختلف که به صورت بافت‌هایی با ابعاد یکسان 128× 128 پیکسل در آمده‌اند و با استفاده از روش‌های مختلفی همچون فیلتر گابور،‏ نقاب‌های سوبل/روبرت و تبدیل‌های موجک دابیشز،‏ هار و فیلتر‌های پایین گذر و بالا گذر سیملت استخراج شده‌ند. ویژگی‌های استخراج شده از این روش‌ها به صورت 2 به 2 با یکدیگر ترکیب گردیده‌اند. برای ارزیابی نرخ بازشناسی به کمک ویژگی‌های استخراج شده از سه شبکه عصبی mlp جهت طبقه‌بندی استفاده شده‌ و نتایج آنها با هم ترکیب شده‌است. هر کدام از شبکه‌های عصبی با استفاده از مجموعه ویژگی‌های حاصل از ترکیب دو روش آموزش داده شده است. در نهایت با استفاده از الگوریتم جمعیت پرندگان،‏ وزن‌های بهینه را به منظور کمینه شدن خطا تعیین شدند. روش پیشنهادی با استفاده از پایگاه دادهhoda شامل 21000 نمونه از 10 فونت فارسی مختلف،‏ ارزیابی گردیده است. با استفاده از وزن های تعیین شده،‏ ترکیب شبکه‌های عصبی صورت گرفته است. با استفاده از روش ارائه شده نرخ بازشناسی 97.45 درصد بدست آمده‌است که نسبت به دیگر روش‌های ارائه شده بهبود چشمگیری در نرخ بازشناسی نتیجه شده است.