این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۲۹، شماره ۱۷۴، صفحات ۰-۰
عنوان فارسی استفاده از الگوریتم آنالیز اجزای اصلی جهت تشخیص نرم‌افزاری حروف در متون فارسی
چکیده فارسی مقاله مقدمه: ابداع روش منابع گویای خودکار، همواره یکی از دغدغه های فکری پژوهشگران بوده است تا ابزاری کارآمد جهت مطالعه ی متون معمولی توسط نابینایان تولید نمایند. در این راه، علاوه بر تلاش در جهت ساخت ابزارها، روش های بهینه جهت پردازش، شناخت و تفکیک نوشته ها و متون فارسی نیز مورد نیاز می باشد. روش ها: در این مقاله با استفاده از روش آنالیز اجزای اصلی، روشی جدید جهت تشخیص اتوماتیک حروف در تصاویر تهیه شده از حروف فارسی تایپ شده ارایه می گردد که قادر به بهبود روش های موجود از لحاظ دقت و سرعت می باشد. در این روش، که برگرفته از روش آنالیز اجزای اصلی می باشد، در اصل اجزای وابسته به تغییرات کم از داده ها حذف می شود و بدون از دست رفتن قسمت عمده ی اطلاعات تصویر، می توان شباهت ها و اختلافات بین تصاویر مختلف را با سرعت و دقت بیشتری مورد بررسی قرار داد. یافته ها: در این مقاله با انجام آزمایش های عملی متعدد، کارآیی بهتر روش اجزای اصلی در مقایسه با روش های قبلی مانند روش های آماری و زرنیک سریع مورد تأیید قرار گرفته است. برای مثال با آزمایش هر سه این روش ها بر یک مجموعه ی داده ی آموزشی یکسان و چهار مجموعه ی داده ی آزمونی یکسان، مشخص گردید که دقت این روش در مقایسه با روش آماری 775/1 درصد بهتر و سرعت آن 5/7 برابر شده است و در مقایسه با روش زرنیک سریع دقت 2/2 درصد بهبود داشته و سرعت آن نیز 12/5 برابر بیشتر شده است. نتیجه گیری: مقایسه ی نتایج نهایی اعمال داده ها به الگوریتم های مطرح شده در مقاله و مقایسه ی دقت و زمان آن ها نشان داد که الگوریتم آنالیز اجزای اصلی (PCA) ترکیبی بهترین نتایج از لحاظ سرعت و دقت را به همراه دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Using Principal Component Analysis to Recognize Farsi Alphabetic Characters in Printed Scripts
چکیده انگلیسی مقاله Background: From the early stages of script writing and reading, there was a big desire for researchers to make an aid device for the blind to read scripts without help of other. This paper introduced a new approach for recognition of Farsi scripts using principal component analysis (PCA). Methods: Materials used for this project were selected from ordinary books, magazines, newspapers, and printed documents. Character samples were selected from four fonts in different positions and three sizes resulted in total number of 20 recognition classes. The five methods used in character recognition were statistical method, Fast Zernike Wavelet Moments (FZWM) method, PCA, PCA with sample averaging, and PCA with eigenvectors averaging. Findings: The accuracy and speed of PCA in recognition of Farsi characters were respectively 1.775% and 7.5 times better than the statistical method. Likewise, it was 2.2% more accurate and 5.12 times faster than FZWM method. Conclusion: Using PCA with combinational averaging in samples and eigenvectors can be a novel method for recognition of Farsi characters.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله شهروز گشمرد | shahrooz gashmard
کارشناس ارشد، گروه فیزیک و مهندسی پزشکی، دانشکده ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

علیرضا مهری دهنوی | alireza mehri dehnavi
دانشیار، گروه فیزیک و مهندسی پزشکی، دانشکده ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

حسین ربانی | hossein rabbani
استادیار، گروه فیزیک و مهندسی پزشکی، دانشکده ی پزشکی، مرکز تحقیقات پردازش تصویر و سیگنال پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/1839
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-318586.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات