قسمتی از متن ترجمه مقاله تشخیص بصری فونت فارسی/ عربی با استفاده از ویژگیهای SIFT (تبدیل ویژگی ثابت مقیاس)
چکیده
بیشتر روشهای تشخیص بصری فونت (OFR) برای تشخیص فونت در اسناد غیر شکسته طراحیشدهاند. بااینحال، تشخیص اسکریپتهای فونت شکسته، مانند متنهای فارسی / عربی، چالشهای خاص خود را دارد؛ بنابراین، اکثر الگوریتمهای ارائهشده، موفق به نمایش یک سرعت تشخیص مناسب در زمان مواجهه با اسناد روان نمیشوند. در این مقاله، یک روش جدید برای تشخیص خودکار فونت فارسی / عربی ارائهشده است که بر اساس روش تبدیل مستقل از مقیاس ویژگی (SIFT) قرار دارد. ازآنجاکه ویژگیهای SIFT ثابت مقیاس هستند، سیستم نهایی در برابر تغییر اندازه، مقیاس و چرخش قوی است. این سیستم به مرحله پیشپردازش نیازی ندارد، اما در مورد تصاویری که کیفیت پایینی دارند، فرآیندهای حذف نویز میتوانند مورداستفاده قرار گیرند. با استفاده از یک پایگاه داده متشکل از تصویر متنی، سرعت تشخیص عالی تقریباً 100% به دست آمد.
واژگان کلیدی
تغییر ویژگی ثابت مقیاس (SIFT)؛ تشخیص بصری فونت (OFR)؛ تشخیص ماهیت بصری (OCR).
Abstract
Most optical font recognition (OFR) methods have been designed to recognize the font in non-cursive documents. However, the recognition of cursive font scripts like Farsi/Arabic texts has its own challenges. Thus, most of the currently proposed algorithms fail to exhibit an appropriate recognition rate when facing cursive documents. In this paper, a new method for Farsi/Arabic automatic font recognition is proposed which is based on scale invariant feature transform (SIFT) method. As SIFT features are scale-invariant, the final system is robust against variation of size, scale and rotation. The system does not need a pre-processing stage but in the case of low quality images some noise removal processes can be used. Using a database of 1400 text images, an excellent recognition rate of nearly 100% is obtained.
Keywords
Scale invariant feature transform (SIFT)Optical font recognition (OFR)Optical character recognition (OCR)
چکیده
مقدمه
OFR فارسی / عربی
تغییر ویژگی ثابت مقیاس
الگوریتم مطرح شده
نتایج تجربی
نتیجه گیری و چشم انداز
منابع
Abstract
Keywords
1. Introduction
2. Farsi/Arabic OFR
3. Scale Invariant Feature Transform
4. Proposed Algorithm
5. Experimental Results
6. Conclusion and Outlook
References
نتیجهگیری و چشمانداز
در این مطالعه، روش SIFT که مجموعهای از ویژگیهای قوی و قابلاطمینان را استخراج میکند برای تشخیص فونت، بهطور خاص برای زبان فارسی و عربی و حروف شکسته مورداستفاده قرارگرفته است. با توجه به مشخصات ویژگیهای SIFT که قدرت در برابر مقیاس، چرخش، ترجمه و نویز است، یک مزیت اصلی ازنظر اثربخشی و دقت انتظار میرود؛ بنابراین، نهتنها یک نتیجه خیلی خوب با سرعت تشخیص 100 درصد به دست میآید، بلکه فونتهای خاص تشخیص داده میشوند (مانند تبسم) که بهعنوان نقاط ضعیف برای سایر روشها شناخته میشوند. بر اساس تجزیهوتحلیل نتایج پس از اجرا بر روی یک کامپیوتر شخصی، زمان فرآیند میتواند در زمان استفاده از پایگاه دادههای بزرگ یک مشکل باشد؛ بنابراین، استفاده از روش سریع ویژگیهای قوی (SURF) توصیه میشود که توسط هربرت بی معرفیشده است [10]. این روش توسط SIFT ارائهشده است، اما باوجود داشتن همان دقت، SURF میتواند با زمان محاسباتی کم تری کار کند.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.