پایان نامه پردازش تصویر و OCR

چکیده
OCR یا Optical character Recognition به معنای شناسایی حروف با کمک ابزار نوری است و یک شاخه از علم پردازش سیگنال را تشکیل می دهد. OCR  شامل تصویربرداری از روی کاغذ و استخراج کلمات از آن است.
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 در کنار هم قرار گرفتن این نقاط مطابق الگوهای معین، تصویر حروف مختلف را می سازد.

فهرست مطالب
فصل اول: مقدمه
۱-۱- آشنایی با OCR
۲-۱- پردازش تصاویر ماهواره
۱-۳-پردازش تصویر در صنعت و پزشکی
فصل دوم: مراحل OCR
۲-۱- سیستم های بازشناسی حروف
۲-۲- اسکن کردن صفحات
۲-۳-  استخراج نواحی شامل متن
۲-۴- شناسایی حروف
۲-۵- ارائه نتایج
فصل سوم:شبکه های عصبی
۳-۱-شبکه های عصبی
۳-۲- آشنایی با شبکه عصبی
۳-۲-۱- انواع شبکه های عصبی
۳-۳- نرون
۳-۴- شبکه های multilayer perceptron و الگوریتم backpropagation
۳-۵-  overlearning

فصل چهارم: شرح یک پروژه انجام شده
۴-۱-شرح پروژه
۴-۲-تصاویر مورد استفاده
۴-۳- آموزش شبکه عصبی
۴-۴- طراحی ابتدایی
۴-۵-  تغییرات و ساده سازی ها
فصل پنجم: ویژگی متون فارسی
۵-۱- خصوصیات متون فارسی
فصل ششم: بررسی چند محصول OCR
۶-۱-چند نمونه OCR
۶-۲-آموزش Readiris Pro 11
۶-۳- آموزش VajehShans V.1
۶-۴- مقایسه ajehShenas باReadiris
فصل هفتم: بازشناسی برخط حروف مجزای دست نویس فارسی براساس تشخیص گروه اصلی بدنه با استفاده از مدل مخفی مارکوف
۷-۱-  مقدمه
۷-۲- مروری بر کارهای انجام شده توسط دیگران
۷-۳- مدل مورد نظر برای حروف دست نویس بر خط فارسی
۷-۴-  پیش پردازش
۷-۵-  نرمال سازی فواصل میان نقاط نمونه برداری
۷-۶- یکسان سازی تعداد نقاط نمونه برداری
۷-۷- یکسان سازی ابعاد و مختصات نقطه ی شروع
۷-۸-  طبقه بندی با مدل مخفی مارکوف
۷-۹- پیاده سازی و نتایج تجربی
فصل هشتم: نتایج و پیشنهادات
پیشنهادات
منابع و مأخذ

فهرست شکل ها
شکل ۲-۱-نمونه فرم اسکن شده
شکل ۳-۱- یافتن Bounding box
شکل ۳-۲- چند تاج فعال سازی رایج
شکل ۳-۳- Multilayer perceptron
شکل۳-۴- overfitting چند جمله ای
شکل ۳-۵- overlearning در شبکه عصبی
شکل ۴-۱-یافتن Bounding box و بریدن تصویر
شکل ۴-۲روش های تغییر اندازه
شکل ۶-۱
شکل ۶-۲
شکل ۶-۳
شکل ۶-۴
شکل ۶-۵
شکل ۶-۶
شکل ۷-۱ترتیب نگارش
شکل ۷-۲نحوه ی نگارش صحیح برای ۳۳ حالت مختلف از حروف
شکل ۷-۳ دو نمونه از نرمال سازی فواصل میان نقاط
شکل۷-۴دو نمونه از یکسان سازی تعداد نقاط نمونه برداری
شکل ۷-۵ ویژگی های (۳) و (۴) برای دو نقطه متوالی حروف « آ » و « ح »
شکل ۷-۶ مدل مخفی مارکوف و پارامترهای مورد استفاده در تعریف آن
شکل ۵-۷ فلوچارت الگوریتم بازشناسی حرف
شکل ۵-۸ نمایی از   MATLAB

مقدمه

۱-۱- آشنایی با OCR

پردازش و آنالیز تصاویر می تواند به عنوان یک ساختار کاربردی و تکنیکی جهت تسخیر کردن، تصحیح کردن، زیاد کردن و تغییر شکل دادن تصاویری که مشاهده می شود تعریف کرد.
در هنگام استفاده از تکنولوژی OCR، نرم افزار مربوطه تصویر را تجزیه و تحلیل می نماید و شکل حروف را براساس پراکندگی نقاط در تصویر، شناسایی می کند. متون می توانند حتی دارای عکس هم باشند که سیستم آنها را تشخیص داده، کنار می گذارد.
یک سیستم OCR  به ما این امکان را می دهد که یک کتاب و یا یک مقاله را مستقیماً به یک فایل الکترونیکی تبدیل نماییم و آن را با کمک یک پردازشگر تغییر دهیم. استفاده از سیستم OCR  یک راه کارآمد برای تبدیل متون به فایل های داده است که ممکن است تایپ کردن آنها زمان زیادی به طول بیانجامد. این تکنولوژی مدتهاست که به وسیله کتابخانه ها و سازمان های دولتی برای دستیابی الکترونیکی سریع به مدارک حجیم به کار می رود و از لحاظ سرعت و هزینه روش مناسبی است. OCR  از معدود زمینه های هوش مصنوعی است که می توان در عمل به آن تکیه کرد.
از متداول ترین کاربردهای این تکنولوژی می توان جدا کردن نامه ها در مراکز پست، دسته بندی چکها
بانک، تبدیل متن به صدا برای استفاده نابینایان، امکان دسترسی سریع به بایگانی های عظیم و تبدیل کتابهای قدیمی کتابخانه های به فرمتی مناسب برای ذخیره در کامپیوتر را نام برد.

۱-۲-پردازش تصاویر ماهواره ها

تصاویر زمین و سایر سطوح جهانی توسط دوربین هایی که بر روی سفینه های فضایی و ماهواره ها نصب شده گرفته می شود. هنگامی که از سیارات دیگر تصویر گرفته می شود، هدف مطالعه سطوح آنها جهت بدست آوردن آگاهی درباره تاریخچه و مشخصات آن می باشد. شبیه سازی ماهواره ای زمین جهت کارهایی از قبیل کارهای فلاحتی – زراعتی، هواشناسی، محیط اطراف، پردازش های نظامی در بین سایر موارد می باشد.

۱-۳- پردازش تصویر در صنعت و پزشکی

تصاویر بخش هایی از سطوح زمین جهت کاهش تصویر و کوچکتر کردن، بازرسی و یا جهت نقشه کشی گرفته می شود.

• چاپ کردن و دست نوشته ها

تشخیص کاراکترهای چاپ یا نوشته شده از کاربردهای جدید پردازش تصاویر است. در بین کاربردهای دیگر می توان به خواندن اتوماتیک کدهای پستی و کدهای بانکی اشاره کرد.

• بارکد

مسئول وارسی در بیشتر سوپرمارکت ها دارای وسایلی هستند که بارکد موجود بر روی کالاها را خوانده و تفسیر می کند. از استفاده های بارکد می توان به نمونه های مدارک، نمونه های بیوشیمیایی و نمونه بافت در بیمارستان اشاره کرد.

• رادیولوژی