Wyniki wyszukiwania - BazTech

1

Metody ekstrakcji linii tekstu w złożonych dokumentach rękopiśmiennych

Pach J.

Elektronika : konstrukcje, technologie, zastosowania

|

2015

|

Vol. 56, nr 12

92-96

PL

W artykule przedstawiono metody komputerowe wykorzystywane do wykrywania linii tekstu w dokumentach rękopiśmiennych. Przedstawiono problematykę automatycznej identyfikacji autora tekstu na podstawie cech jego pisma. Ponieważ jest to problematyka złożona, omówiono ogólną metodologię przetwarzania tekstu z wykorzystaniem przetwarzania cyfrowej wersji obrazu dokumentu zeskanowanego lub pozyskanego poprzez fotografię. Omówiono główne grupy algorytmów służących do wykrywania linii w tekście, przedstawiając ich ogólną ideę, wady i zalety. Zaprezentowano także autorski algorytm wykorzystujący transformatę Hougha, którego skuteczność analizy trudnych średniowiecznych dokumentów łacińskich jest wyższa, niż pozostałych podejść. Wykazano jej dokładność na przykładzie eksperymentu z wybranymi dokumentami archiwalnymi.

EN

The paper presents the computer-based methods for the text line detection in hand-written manuscripts. The problem of the automated author detection based on his writing habits was defined. Because the task is difficult and complex, the general text processing methodology is introduced, working with the scanned or photographed documents. The main groups of algorithms applied to the text line detection were introduced with their advantages and drawbacks iterated. The novel approach for the task, exploiting the modified Hough transform is also presented. Its efficiency of detecting text lines in the complex medieval manuscripts is higher than for approaches used so far. This is demonstrated based on the selected archived documents.

2

Rozpoznawanie wzorców cyfrowych pisma ręcznego z użyciem robota edukacyjnego

Dimitrova-Grekow T., Sworowska A.

Pomiary Automatyka Kontrola

|

2013

|

R. 59, nr 8

812--814

PL

Niniejsza praca prezentuje zaimplementowanie systemu rozpoznającego ręcznie pisane wzorce cyfrowe z użyciem mobilnego układu edukacyjnego LEGO Mindstorms NXT. Został on wybrany ze względu na prostotę w konstrukcji i równocześnie możliwość złożonego programowania. Zbudowany w ramach projektu robot skanujący znaki pisma ręcznego spełnił założenia początkowe. Wyniki zaimplementowanego algorytmu rozpoznającego również pokryły się z oczekiwaniami - system osiągnął skuteczność na poziomie 100% w warunkach idealnych. We względnie utrudnionych warunkach skuteczność spadła do 91%.

EN

Pattern recognition can be classified depending on the data source, the way data is read, processed and on the implementation of the recognition itself [9]. This paper presents a method of pattern recognition identifying handwritten Arabic numbers. The data is collected by a Lego Mindstorms NXT 2.0 mobile robot using a color sensor. Usually, the input data are gathered by high-precision equipment [2,5], and or have an additional multi-sensor subsystem [1]. Very successive recognition approaches are based on neural networks [3, 4,6] additional supported by statistic [8]. Unfortunately, all these methods require powerful calculations. The environment data read by such a simple educational robot contains many drawbacks: noises, relative stabile confidence etc. The solution we propose solves to some extent the problem using a minimal hardware equipment (Fig. 4) and undemanding computation effort. The built recognition system is divided into two parts. The first part presents the data set collection - the hand-written digits scanning (Fig.1) and the data initial processing. The second one consists of primary and secondary classification (Figs. 2 and 3). The algorithm is based on the undirected graph model [10]. The results of the conducted experiments are very interesting (Tabs. 1 and 2). This encourages further exploration of implementation of the well-known and new recognition methods on minimal hardware.

3

Rozpoznawanie znaków za pomocą drzew decyzyjnych

Szkodzik A., Materka A.

Elektronika : prace naukowe

|

1998

|

nr 3

99-110

PL

W pracy przedstawiono wyniki zastosowania drzew decyzyjnych do rozpoznawaniu znaków. Na etapie tworzenia drzew zastosowano metodę wyznaczania optymalnych cech, dzięki której uzyskano bardzo dobre wyniki klasyfikacji zbiorów testowych. Zaproponowany algorytm uczenia drzew nie powoduje powiększenia ich rozmiarów. Udowodniono, że proces uczenia daje lepsze wyniki niż powiększanie zbiorów wykorzystanych przy konstruowaniu drzew. Za pomocą klasyfikatora równoległego zbudowanego w oparciu o kilkadziesiąt drzew decyzyjnych uzyskano rezultat ponad 95% prawidłowych klasyfikacji zbioru testowego.

EN

Results of applying decision trees to printed and handwritten character recognition are presented in the paper. An automatic feature generation method was employed during the construction of the trees, which improved the recognition rate for the testing set. This learning process significantly reduces the drawback of the tree classifiers that is their rapid error accumulation with depth, while it does not influences the size of trees. It was shown that learning gives better results than increasing the sets used to construction of the trees. The recognition rate above 95% was obtained by means of a parallel classifier built of multiple decision trees despite no advanced preprocessing of input characters (like skeletonization or slant reduction) was performed.