Handwritten and Printed Word Identification Using Gray-Scale Feature Vector and Decision Tree Classifier

Abstract
Document image analysis is one of the important steps towards a paper free world. An effective Optical  Character Recognition (OCR) system would be helpful for achieving this fit. But the next question may arise that whether a single OCR system will be sufficient for encoding both handwritten and printed text or not. So to come out of this dilemma, the work as reported here determines the category of a word from the document images containing words both in handwritten and printed forms. A 6-elements feature set is estimated from each gray level image and then these features are ranked based on discriminatory capabilities. Finally, a decision tree classifier has been designed and 1500 words images of handwritten and printed forms (equal in number) are fed to the classifier to evaluate the performance of the present technique. An overall success rate of 96.80% is achieved.

خروجی برنامه :

چکیده
تجزیه و تحلیل تصویر سند یکی از گام های مهم به سمت یک جهان آزاد کاغذ است. یک سیستم تشخیص صحیح نویسی نوری (OCR) برای دستیابی به این ویژگی مفید خواهد بود. اما سوال بعدی می تواند این باشد که آیا یک سیستم OCR تنها برای رمزگذاری متن های دست نویس و چاپی کافی است یا خیر. بنابراین، از این معضل بیرون می آید، کار همانطور که در اینجا گزارش شده است، طبقه بندی یک کلمه از تصاویر سند حاوی کلمات را در قالب های دست نوشته و چاپ شده تعیین می کند. مجموعه ای از ویژگی های 6 عنصری از هر تصویر سطح خاکستری تخمین زده می شود و سپس این ویژگی ها بر اساس قابلیت های تبعیض آمیز رتبه بندی می شوند. در نهایت، یک طبقه بندی کننده درخت تصمیمی طراحی شده و تصاویر 1500 عدد از اشکال دست نوشته و چاپ شده (برابر با عدد) به طبقه بندی داده می شود تا عملکرد تکنیک فعلی را ارزیابی کند. میزان موفقیت کلی از 96.80٪ به دست می آید.

دانلود اصل مقاله

نوشته MP00 – تشخیص کلمه دستنویس و تایپی با بردار ویژگی و دسته بندی درخت تصمیم گیری اولین بار در ایران متلب پدیدار شد.