لایب سان

The field of pattern recognition is a multidisciplinary field which forms the foundation of other fields, as for instance, Image Processing, Machine Vision, and Artificial Intelligence. Therefore, OCR cannot be applied without the help of Image Processing and/or Artificial Intelligence. Any OCR system goes through numerous phases including: data acquisition, preprocessing, feature extraction, classification and post-processing where the most crucial aspect is the preprocessing which is necessary to modify the data either to correct deficiencies in the data acquisition process due to limitations of the capturing device sensor, or to prepare the data for subsequent activities later in the description or classification stage. Data preprocessing describes any type of processing performed on raw data to prepare it for another processing procedure. Hence, preprocessing is the preliminary step which transforms the data into a format that will be more easily and effectively processed. Therefore, the main task in preprocessing the captured data is to decrease the variation that causes a reduction in the recognition rate and increases the complexities, as for example, preprocessing of the input raw stroke of characters is crucial for the success of efficient character recognition systems. Thus, preprocessing is an essential stage prior to feature extraction since it controls the suitability of the results for the successive stages. The stages in a pattern recognition system are in a pipeline fashion meaning that each stage depends on the success of the previous stage in order to produce optimal/valid results. However, it is 1

چکیده فارسی

حوزه تشخیص الگو یک زمینه چند رشته ای است که پایه و اساس سایر زمینه ها را تشکیل می دهد، به عنوان مثال، پردازش تصویر، بینایی ماشین، و هوش مصنوعی. بنابراین، OCR را نمی توان بدون کمک پردازش تصویر و/یا هوش مصنوعی اعمال کرد. هر سیستم OCR مراحل متعددی را طی می کند، از جمله: جمع آوری داده، پیش پردازش، استخراج ویژگی، طبقه بندی و پس پردازش که مهمترین جنبه آن، پیش پردازش است که برای اصلاح داده ها یا اصلاح نواقص در فرآیند اکتساب داده ها به دلیل محدودیت های موجود ضروری است. حسگر دستگاه ضبط، یا برای آماده سازی داده ها برای فعالیت های بعدی در مرحله توصیف یا طبقه بندی. پیش پردازش داده هر نوع پردازشی را توصیف می کند که بر روی داده های خام انجام می شود تا آن را برای فرآیند پردازش دیگری آماده کند. از این رو، پیش پردازش مرحله مقدماتی است که داده ها را به قالبی تبدیل می کند که راحت تر و موثرتر پردازش شوند. بنابراین، وظیفه اصلی در پیش پردازش داده های گرفته شده، کاهش تغییراتی است که باعث کاهش نرخ شناسایی و افزایش پیچیدگی ها می شود، به عنوان مثال، پیش پردازش stroke خام ورودی کاراکترها برای موفقیت سیستم های تشخیص کاراکتر کارآمد بسیار مهم است. . بنابراین، پیش پردازش یک مرحله ضروری قبل از استخراج ویژگی است زیرا تناسب نتایج را برای مراحل متوالی کنترل می کند. مراحل در یک سیستم تشخیص الگو به صورت خط لوله هستند به این معنی که هر مرحله به موفقیت مرحله قبل برای تولید نتایج بهینه/معتبر بستگی دارد. با این حال، 1

است