دانلود پایان نامه شبیه سازی تشخیص حروف دست نویس با نرم افزار متلب همراه با سورس

شرح مختصر:

چکیده:

OCR یا Optical Character Recoginition به معنای شناسایی حروف با کمک ابزار نوری است و یک شاخه از علم پردازش تصویر را تشکیل می دهد. OCR شامل تصویر برداری از روی کاغذ و استخراج کلمات از آن است. نمونه هایی از انواع مختلف حروف دست نویس به عنوان الگو به نرم افزار متلب داده می شود (ذخیره می شود) که به عنوان پایگاه داده در نظر گرفته می شود و شبکه عصبی آموزش داده می شود ،بعد تصویر حرفی که می خواهیم تشخیص دهیم به عنوان ورودی به نرم افزار متلب داده می شود و با استفاده از الگوریتم ها و فیلتر ها حرف دست نویس با الگوها و نمونه ها مقایسه شده و تطبیق داده می شود.

به طور کلی ، در ابتدا با استفاده از نرم افزار متلب 100 عدد از هر حرف را که به شکل ماتریس 40*40 بود را به بردار1600*1 تبدیل میکنیم (کاهش ابعاد) و دو مولفه بنام input و target درست می کنیم و در مولفه input به تعداد 100 عدد از هر بردار حروف (مثلا 100 بردار حرف ب) قرار می دهیم و از target به عنوان برچسب برای هر حرف استفاده می کنیم (مثلا حرف ب دارای برچسب 2) را به شبکه عصبی پرسپترون چند لایه آموزش می دهیم (Train) ، که جمعا 3200 حرف می شود بعد وارد فاز تست (Test) می شویم و دقت شبکه عصبی را تست میکنیم و در ادامه به تشخیص حروف و ارقام می پردازیم. چون متن به صورت مستقیم در تصویر قابل دسترسی نیست زیرا حروف در یک متن اسکن شده از مجموعه ای از نقاط تشکیل می شود که از کنار هم قرار گرفتن این نقاط مطابق الگوهای معین ، تصویر مختلف بوجود می آید. به علت وجود دست خط های مختلف ، بازشناسی حروف دستنویس یک مساله پیچیده است . دراین فرآیند ، استخراج ویژگیهای حروف به صورت صحیح ، گامی مهم درجهت تشخیص درست حروف خواهد بود .

فصل 1:کلیات تحقیق

1-1مقدمه:

هدف اصلی این پایان نامه پیداکردن یک راه حل جدید برای تحلیل شناختن فونت ها وسبک های مختلف متن دست نوشته ازطریق بهبود ساختارطراحی شبکه عصبی سنتی مصنوعی(ANN) . شبکه های عصبی مصنوعی درتشخیص الگو،انجمن ها وطبقه بندی ، مطالعات پیش بینی و کنترل برنامه های کاربردی با موفقیت اعمال نشوند.نتایج تشخیص متن یا اشکال دست نویس با استفاده از کاراکتر از کاربردهای تشخیص دست خط می توان ،متن نوشته شده یا چاپ شده را به متن قابل ویرایش ماشین تایپ تبدیل کرد، اشاره کرد. با استفاده از روش تشخیص می توان وسایل خودکار کتاب خوان برای نابینایان طراحی کرد.OCR سرنام اصطلاحی است كه صورت كامل آن در واژه ‌نامه انگلیسی Optical character Recognitionو به معنی بازشناسایی كاراكتر نوری می‌باشد.فرض كنید كه ما متنی را روی كاغذ داریم و می‌خواهیم آن را وارد رایانه كنیم .

اولین روشی كه به ذهن می ‌رسد این است كه متن را به تایپیست بدهیم تا با كامپیوتر تایپ كند. اما آیا می‌شود عین همان متن را وارد رایانه بكنیم تا نیازی به تایپ نباشد؟ البته دستگاه «اسكنر» می‌تواند تصویری از آن متن را وارد رایانه كند، تا اینجا بخشی از مشكل ما حل شده است. اما رایانه كه نه عقلی دارد و نه «زبان» می‌فهمد، نمی‌تواند حروف و كلمات را از هم تشخیص دهد. مثلااگر از كامپیوتر بخواهیم به ما بگوید كه در متن اسكن‌شده كلمه «علی» چند بار آمده است، بی‌آنكه شرمنده شود، می‌گوید: «error»یعنی نمی‌ توانم تشخیص بدهم در واقع این «تصویر دیجیتال‌ شده» باید به تصویر قابل پردازش تبدیل شود. موضوع اصلی OCR همین است فرض كنید كه مثلاً می‌خواهیم متن مقالات روزنامه اطلاعات سال 1340 شمسی را تایپ دیجیتالی كنیم، و این متن‌ها را داخل بسته‌ های نرم ‌افزاری یا اینترنت قرار دهیم. اگر هر شماره از روزنامه را 24 صفحه فرض كنیم، و هر تایپیست بتواند در هر روز حداكثر یك صفحه از آن صفحات كاهی و كهنه شده قدیمی را دوباره تایپ كند، مجموعاً 24 روز لازم است تا تنها مقالات یك شماره از روزنامه تایپ شود. بنابراین در عرض یك سال یك نفر می‌تواند تنها 15 شماره از روزنامه را تایپ كند. حال اگر نرم‌ افزاری باشد كه بتواند با اسكن كردن هر صفحه روزنامه، به طور خودكار مقالات آن را تایپ كند، تحولی عظیم رخ می ‌دهد، یعنی مطالب و مقالات هزاران شماره از روزنامه‌ های قدیمی به سرعت وارد فایل ‌های رایانه‌ای می‌شود. حال این امكان را تعمیم بدهید به هزاران كتاب و دست نویس‌های قدیمی یا جدید، كه هر كس بخواهد تنها یك صفحه از آنها را تایپ كند، باید كلی وقت صرف كند. می‌بینید كه نرم‌افزار OCR به راستی می‌تواند هزاران هزار روز در وقت ما صرفه‌جویی كند، و البته هزینه‌ ها را هم كاهش دهد. البته فقط یك مشكل كوچك به وجود می‌آید و آن بیكار شدن تایپیست‌ هاست.

فهرست مطالب:

چکیده

فصل 1 : کلیات تحقیق

1-1مقدمه

• اهمیت تشخیص حروف دست نویس

1-3 برون خطی/ درون خطی

1-4 اصطلاح OCR

1-4-1 مزیت OCR

فصل2: مبانی نظری وپیشینه تحقیق

2-1 تکنیک ها و تئوری ها

فصل3: موادوروش ها

3-1 پیش پردازش

3-2 لبه یابی تصاویر

3-2-1 تشخيص لبه وبخش بندي تصاوير

3-2-2 الگوريتم هاي آشكارسازي لبه ها

3-2-3 شناسایی لبه ها

3-2-4 نازک سازی ودنبال کردن لبه ها

3-3 تشخیص وشناسایی الگو

3-3-1 کاربرد بازشناسی الگو

3-4 شبکه های عصبی

3-4-1 کاربرد شبکه های عصبی

3-4-2 مزیت شبکه های عصبی

3-4-3 ساختارشبکه های عصبی

3-4-4 تقسیم بندی شبکه های عصبی

3-4-5 شبکه های عصبیMLP

3-4-6 شبکه های عصبی چندلایهMLP

3-5 قواعدفراگیری پرسپترون چندلایه

3-5-1الگوریتم پرسپترون چندلایه

3-5-2 الگوریتم آموزش پرسپترون چندلایه

3-6 بازنمایی (استخراج ویژگی)

فصل4 : نتایج

4-1 نتایج شبیه سازی

4-2رمزگذاری/رمزگشایی

4-3نرم افزاروروابط گرافیکی((GUI

4-نتیجه گیری

فصل 5 : بحث ونتیجه گیری

5-1 بحث ونتیجه گیری

پیوست

نکات مهم : پس از پرداخت وجه لینک دانلود به شما نمایش داده میشود و به ایمیل شما ارسال میگردد.

با 17% تخفیف

60000 تومان

50000 تومان

جهت خرید و دانلود فایل بر روی پرداخت آنلاین کلیک نمایید