مقاله Farsi Machine-printed Subwords Recognition Using Contour-based Fourier Descriptors : تی پی بین

خلاصه مقاله

This paper presents a fast and simple method for Farsi/Arabic subwords recognition in a large lexicon. By omitting dots and complementary parts of machine-printed characters, a dataset including 9445 Farsi/Arabic subwords written by a single font and single size was obtained. This dataset not only reduces the number of subwords, but makes it suitable for both Farsi/Arabic languages. After normalizing boundary points of each subword, Fourier descriptor features are extracted. Experimental results on 30 plain text shows accuracy of 82.1% on subword level. Considering this large and comprehensive dataset, the obtained results are still promising which can be enhanced in the future by the use of Farsi/Arabic language grammar for connecting subwords.

نویسندگان

Parnia Bahar [ Electrical and Computer Department, Semnan University, Semnan, Iran ]

Saeed Mozaffari [ Electrical and Computer Department, Semnan University, Semnan, Iran ]

کلمات کلیدی

Farsi/Arabic word recognition machin printed documents Fourier shape descriptors Large dataset

آدرس این مقاله

آدرس مستقیم دسترسی به این مقاله

مشخصات کنفرانس

مشاهده مقالات

نخستین کنفرانس بین المللی پردازش خط و زبان فارسی

پردازش متون ،بازشناسی نویسه‌های فارسی ، پردازش متون تصویری ، بازیابی متون ، تشخیص و تصدیق نویسنده، ارزیابی و کارآیی سیستم‌های پردازش زبان ، کاربرد‌ها، نهان نگاری در متن ، پردازش گفتار ، آوا شناسی ، تشخیص گفتار ، سنتز کفتار ، تولید زبان طبیعی ، مدل های زبان شناسی و ریاضی زبان ، ترجمه توسط ماشین ، تشخیص و تصدیق گوینده ، زبان شناسی پیکره ای ، کاربرد زبان شناسی پیکره ای در تحلیل دستوری معنایی ، کاربرد زبان شناسی پیکره ای در تجزیه و تحلیل کلام

حوزه های تحت پوشش : پردازش خط و زبان فارسی