مقاله طراحی سیستمهای مدرن اطلاعاتی و بازشناسی خودکار الگوها

پیدایش علوم و فنون جدید، جوامع بشری را با شکلهای مختلفی از اطلاعات روبرو نموده است. سطح توسعه یک جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی کرد. تولید فزاینده اطلاعات به شکلهای مختلف صورت می گیرد و با درجات متفاوتی از پیچیدگی همراه می باشد. در نتیجه نیاز به سیستمهای پردازش اطلاعات بصورت روزافزون افزایش می یابد. یکی از مسائل مهم در طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها است.

شناسایی الگو

شناسایی الگو، شاخه ای از هوش مصنوعیاست که با طبقه بندی و توصیف مشاهدات سر و کار دارد. شناسایی الگو به ما کمک میکند داده ها (الگوها) را با تکیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم. الگوهایی که می بایست طبقه بندی شوند، معمولاً گروهی از سنجش ها یامشاهدات هستند که مجموعه نقاطی را در یک فضای چند بعدی مناسب تعریف می نمایند. یک سیستم شناسایی الگوی کامل متشکل است از یک حسگر،که مشاهداتی را که می بایست توصیف یا طبقه بندی شوند جمع آوری می نماید، یک سازوکار برای استخراج ویژگی هاکه اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می کند، (این اطلاعات عددی را با یک بردار بنام بردار ویژگیها نمایش می دهند)؛ و یک نظام طبقه بندی یا توصیف که وظیفه اصلی طبقه بندی یا توصیف الگوها را با تکیه بر ویژگی های استخراج شده عهده داراست.

مروری بر سیتمهای OCR

بخشهای مختلف سیستمهای ocr

در ادامه ماهیت سیستمهای ocr، تاریخچه وبخشهای مختلف آن مورد بررسی قرار میگیرد.

بازشناسی نوری حروف

اصطلاح اُْسی آربه تکنیک هایی اطلاق می شود که در تصاویر اسکن یا فکس شده، نواحی متنی را تشخیص می دهند و سپس این نواحی (تصویری) را به متن قابل ویرایش تبدیل می نمایند .با دستگاهی به نام اسکنر می توان تصویر یک صفحه کاغذ را به صورت یک فایل گرافیکی (تصویری)، به رایانه ارسال و در آن ذخیره نمود. بدین ترتیب کاربر می تواند با یک نرم افزار مناسب نمایش دهنده تصاویر، تصویر صفحه اسکن شده را بر روی نمایشگر رایانه خود ملاحظه نماید یا آن را چاپ کند؛ اما قادر نخواهد بود که متن موجود در تصویر سند را ویرایش کند یا آن را مورد جستجو قرار دهد . یک نرم افزار اُْسی آر تصویر اسکن شده را میخواند، محتویات آن (شامل متن، خطوط، تصاویر، جداول، ...) را شناسایی می نماید، و سپس آن را به یک قالب قابل ویرایش (در واژ ه پردازها) تبدیل می کند. امروزه بیشتر دستگاه های اسکنر به نرم افزارهای اُْسی آر مجهز گردیده اند و قادرند متن موجود در یک سند اسکن شده را تشخیص دهند و آن را با همان نحوه قالب بندی، ستون بندی، جدول بندی و نوع فونت مطابق با سند کاغذی اصلی، در قالب یک فایل متنی با قالب بندی مناسب ذخیره نمایند.

طراحی سیستمهای مدرن اطلاعاتی و بازشناسی خودکار الگوها

فهرست مطالب

فصل اول- مقدمه

۱-۱- شناسایی الگو

شکل۱-۱-نمودار بلوکی یک سیستم شناسایی الگو

۱-۲- کاربردهای بازشناسی الگو

۱-۳- طرح پژوهش

فصل دوم- مروری بر سیتمهای OCR

2-1-بخشهای مختلف سیستمهای ocr

2-1-1- بازشناسی نوری حروف

۲-۱-۴- برخی ویژگی های متون چاپی فارسی از دیدگاه پردازش رایانه ای

شکل ۲-۱-۴ . برخی از ویژگی های نگارش زبان فارسی

۲-۱-۵-انواع سیستم های اُسی آر از لحاظ نوع الگوی ورودی

۲-۱-۶- معرفی بخش های مختلف یک سیستم اُسی آر

شکل ۲-۱-۶ نمودار بلوکی دیاگرام یک سیستم اُسی آر

کاهش نویز

شکل ۲-۱-۶-۱ تصویر یک صفحه که کج اسکن شده است

ب. نرمالیزه کردن اریب شدگی :

د. هموارسازی کانتور:

شکل ۲-۱-۶-۲ عملیات نازک سازی بر روی یک تصویر متنی نمونه

شکل ۲-۱-۶-۳ قطعه بندی یک کلمه به حروف

۲-۱-۶-۴- طبقه بندی و بازشناسی(با یک یا چند طبقه بندی کننده)

۲-۱-۶-۵- به کارگیری اطلاعات جانبی(پس پردازش)

۲-۲- روشهای مختلف در حوزه بازشناسی اسناد

۲-۲-۱- تبدیل سراسری(بسط سری)

۱-۱-۲-۲- تبدیلات فوریه(توصیف کننده های فوریه)

۲-۱-۲-۲- موجکها

شکل ۲-۲-۱-۲

۳-۱-۲-۲- تبدیل گابور

شکل ۳-۱-۲-۲

۴-۱-۲-۲- ممانها(گشتاورها)

۵-۱-۲-۲ بسط کارهونن لوئو( K-L )

شکل ۲-۲-۲ ویژگی های جهتی کانتور و ویژگی های نقاط خمش را نشان می دهد.

شکل ۲-۲-۲

۳-۲-۲- ویژگیهای هندسی و توپولوژیکی

الف ویژگیهای توپولوژیکی

شکل ۲-۲-۳

ب ویژگیهای هندسی

ج کدگذاری

فصل سوم- تکنیک آنالیز اجزای اصلی

۱-۳- روشهای کاهش ابعاد

۳-۱-۱- روشهای مبتنی بر استخراج ویژگی

۲-۳ -تکنیک آنالیز اجزای اصلی(PCA)

شکل ۳-۱ انتخاب محورهای جدید برای داده های دو بعدی

۱-۲-۳ مفاهیم مقدماتی مورد نیاز در PCA

مفاهیم جبر ماتریسها

مرحله ۲- کم کردن میانگین از داده ها

مرحله ۳- محاسبه ی ماتریس کواریانس

مرحله ۵- انتخاب مؤلفه ها و ساختن Feature Vector

مرحله ۶- بدست آوردن داده های جدید

شکل ۳-۴ داده های بدست آمده از تبدیل PCA با انتخاب مهمترین بردار ویژگی

شکل ۳-۵ داده های بازیابی شده از تبدیل PCA با انتخاب مهمترین بردار ویژگی

فصل چهارم- شبکه عصبی

۱-۴- شبکه عصبی چیست؟

۲-۴- چرا از شبکه های عصبی استفاده می کنیم؟

۳-۴- شبکه عصبی MLP

1-3-4- قاعده فراگیری MLP

الگوریتم پرسپترون چند لایه ای

شکل۴-۸ توانایی پرسپترون ها را در تفکیک فضاهای دلخواه نشان می دهد

برخی تواناییها و ضعفهای شبکه های عصبی

تحمل نقص

شکل ۴-۱۰

مشکلات آموزش

کاهش ضریب بهره

افزایش تعداد گره های داخلی

عبارت گشتاور

سایر مشکلات آموزش

فصل پنجم پیاده سازی یک نرم افزارتشخیص خودکار اعداد فارسی

شکل۵-۱-۱

۵-۲- مرحله آموزش

۵-۲-۱- چند نکته در رابطه با آموزس شبکه

۵-۴-نتایج

فصل ششم- مراجع