دراین پروژه یک سیستم برای تشخیص حروف گسسته دست نویس فارسی (32 حرف) با استفاده از مدل اصلاح شده ای از شبکه ی عصبی neocognitron ارائه می شود در مرحله ی پیش پردازش سیستم با جدا کردن نقاط و سرکش های حروف، تعداد الگوهای مرجع از32 به 19 کاهش داده می شود. همچنین با استفاده از اطلاعات نقاط و سرکش ها، حروف در پنج گروه دسته بندی می¬شود. در مرحله ی طبقه بندی از شبکه¬ی عصبی neocognitron استفاده می¬شود.
شبکه¬ی عصبی neocognitron به منظور استفاده در تشخیص الگو طراحی شده است و دارای قابلیت های تشخیص الگو مستقل از اندازه و محل الگو و همچنین با توانایی تحمل تغییر شکل و نویز در الگوی ورودی می-باشد. برای بکار گیری این شبکه عصبی در تشخیص حروف فارسی در مرحله¬ی آموزش و تشخیص آن اصلاحاتی انجام گرفته است. برای هرالگوی ورودی بستگی به اطلاعات نقاط و سرکش ها عمل طبقه بندی فقط در یکی از گروه های پنج گانه انجام می شود این عمل ضمن افزایش سرعت پاسخ دهی، درصد تشخیص را از 62.5 در مدل اصلی شبکه به 73.8 در مدل اصلاح شده افزایش داده است.
چکیده: 2
مقدمه5
انواع سیستمهای تشخیص کاراکتر دست خط.. 1
سیستم های تشخیص کاراکتر. 1
سیستم هایoff-line. 1
سیستمهای on-line. 2
مقایسه سیستم های تشخیصoff line-on line. 3
تاریخچه سیستم های تشخیص کاراکتر. 4
روش های تشخیص الگو. 6
روشهای آماری تشخیص الگو. 6
روشهای ساختاری تشخیص الگو. 7
کاربرد شبکههای عصبی در تشخیص الگو. 9
کاربرد های سیستم های تشخیص کارکتر. 10
یک روش موثر فازی برای بازشناسی حروف دستنویس... 11
شبکه عصبی LVQ14
حذف نقاط تنها17
پیاده سازی و اجرا 18
آزمایش یک کاراکتر. 19
بیان ویژگی های حروف زبان فارسی22
ويژگيهاي قالبي (الگو): 23
تعداد بخشها23
جايگاه بخشها24
نوع بخشها (شناسايي بخشها) 25
نقاط25
سرکج26
ويژگيهاي آماري27
ناحيهبندي27
نسبت ارتفاع به پهنا 28
تکنيکهايي جهت استخراج ويژگيها 29
تشخيص جايگاه بخشها 30
محور مختصات براي تشخيص جهتها 32
پردازش تصویر35
انواع پردازش تصویر. 41
تصاویر رقومی(دیجیتالی) 44
نتیجه گیری49
منابع50