Offline Arabic Holistic Handwritten Word Recognition using Support Vectors Machine
| العنوان بلغة أخرى: |
التعرف على الكلمات العربية المكتوبة بخط اليد باستخدام دعم المتجهات الالية |
|---|---|
| المؤلف الرئيسي: | العون، مصباح عرسان حنيان (مؤلف) |
| مؤلفين آخرين: | الشطناوي، عطا الله محمود عواد (مشرف), الذيابات، مفلح (مشرف) |
| التاريخ الميلادي: |
2019
|
| موقع: | المفرق |
| الصفحات: | 1 - 67 |
| رقم MD: | 949120 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة آل البيت |
| الكلية: | كلية الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
30
| المستخلص: |
تنقسم طرق إدراك النصوص المكتوبة باللغة العربية إلى نموذجين رئيسيين وهما نموذج الإدراك بناءا على مستوى الكلمة الكاملة ونموذج الإدراك على مستوى الأحرف المجزئة من كلمة. حيث يدرك النموذج الثاني الكلمات بعد تجزئتها إلى أحرف كامل أو إلى أجزاء الكلمة، عملية تقسيم هذه الكلمات تتأثر بالعديد من المشاكل، كمشكلة تتداخل الأحرف أو تقسيم الحرف إلى عدة أجزاء مما يؤثر بشكل واضح على عملية إدراك الكلمات. بينما نموذج الإدراك على مستوى الكلمة كاملة يتعامل مع الكلمات كوحدة واحدة فذلك يؤدي إلى تجنب مشاكل التجزئة التي تواجه تقسيم النصوص العربية. في هذا البحث، تم اقتراح وتطوير نظام شامل التعرف على النصوص العربية المكتوبة بخط اليد على مستوى الكلمات كاملة دون تقسيم باستخدام كل من Local Binary Pattern (LBP) وSupport Vector Machine اعتمادا على Radial Basis Function Kernel. يتكون النظام المقترح من ثلاث خطوات رئيسيه وهي مرحلة المعالجة القبلية ومرحلة استخلاص السمات وأخيرا مرحلة تصنيف الكلمات. في مرحلة المعالجة القبلية يتم إزالة كل من التشويش والنقاط وأدوات الترقيم وتحديد حواف الكلمة ثم تتم عملية ترقيق النص باستخدام الأسلوب المورفولوجي، وذلك لتقليل حجم البيانات المراد معالجتها، وأخيرا بهذه المرحلة يتم توحيد حجم الصور إلى حجم يناسب عملية استخلاص السمات والتصنيف. وذلك لاستخراج السمات الإحصائية باستخدام طريقة LBP، ليتم تصنيف هذه السمات المستخرجة من الكلمات باستخدام الـ.SVM RBF تم فحص النظام المقترح على قاعدة البيانات التونسية IFN/ENIT المحتوية على الكلمات العربية المكتوبة بخط يد، باستخدام أحجام مختلفة للصور وهي [(150*150) (125*125) (100*100) (80*80)]، بناءا على التجارب التي تمت أجرؤها تبين أن الحجم (125*125) هو الحجم الأنسب للنظام المقترح، حيث كانت دقة تعرف النظام المقترح هي 96.57% و83.02% بعده أن تم فحصه على كل من مجموعة "d" ومجموعة "e" من قاعدة البيانات المستخدمة تباعا. وتمت مقارنة نتائج النظام المقترح باستخدام الـ"LBP" مع النظام القائم على أساس منهجية الـDCT، وأثبتت الدراسة أن نتائج النظام المقترح أفضل من نتائج النظام القائم على أساس الـDCT والذي كانت نتائجه على كل من مجموعة "d" ومجموعة "e" 75.49% و57.92% تباعا. وأن النظام المقترح أسرع، وبناءا على ذلك فان هذا يحقق فعالية النظام المقترح للتعرف على الكلمات العربية المكتوبة بخط اليد. بالإضافة إلى ما سبق أن نتائج النظام المقترح تعتبر نتائج واعدة مقارنتا مع الأنظمة الأخرى المستخدمة لإدراك الكلمات العربية والمذكورة بالدراسات السابقة كالأنظمة المعتمدة على HMM وANN. |
|---|
عناصر مشابهة
-
Offline Arabic Handwritten Word Recognition Using Artificial Neural Networks
بواسطة: السرديه، أحمد محمود علي منشور: (2019) -
Handwritten Arabic Alphabet Recognition Using a Combination of Support Vector Machine and Neural Network
بواسطة: الجوريشي، أمجد علي إبراهيم منشور: (2020) -
Local Features Detector and Descriptor for Arabic Handwritten Word Recognition
بواسطة: الطويقات، عبدالله محمد منشور: (2017) -
Recognition of Arabic Offline Isolated Handwritten Characters using Deep Residual Neural Networks
بواسطة: أحمد، سديم طارق منشور: (2019) -
Arabic Handwritten Text Recognition Using Genetic Algorithm and Artificial Neural Network
بواسطة: الصمادي، حمزه سليم منشور: (2019)
