nghiên cứu nhận dạng số và chữ số viết tay tiếng việt trên bảng điểm thi sử dụng mạng noron nhân tạo

Lý do chọn đề tài Công nghệ thông tin đang là một trong những ngành then chốt trong quá trình công nghiệp hóa hiện đại hóa đất nước.. Hiện tại trong lĩnh vực nhận dạ

I Mở đầu:

1 Lý do chọn đề tài

Công nghệ thông tin đang là một trong những ngành then chốt trong quá trình công nghiệp hóa hiện đại hóa đất nước Việc triển khai nghiên cứu các công trình khoa học và đưa vào thực tế ứng dụng góp phần giải phóng sức lao động con người, tiết kiệm thời gian, nâng cao hiệu suất công việc là một việc làm hết sức có ý nghĩa trong giai đoạn này

Bài toán nhận dạng chữ viết tay xuất hiện cách đây khá lâu và vẫn luôn thu hút được nhiều sự quan tâm, nghiên cứu của các nhà khoa học Đã xuất hiện nhiều ứng dụng thương mại thực hiện nhận dạng chữ tùy theo từng yêu cầu cụ thể, có thể kể ra một số sản phẩm tiêu biểu như: OmniPage, FineReader Ở Việt Nam, việc nghiên cứu xây dựng các hệ nhận dạng chữ tiếng Việt cũng được bắt đầu rất sớm Hiện tại trong lĩnh vực nhận dạng chữ in đã có một số sản phẩm thương mại với chất lượng tốt như VnDOCR của Viện Công Nghệ Thông Tin, ImageScan của CadPro Ngoài ra còn có một số đề tài nghiên cứu khoa học về nhận dạng số và chữ viết tay được thực hiện bởi nhiều nhóm tác giả, với nhiều mục đích ứng dụng khác nhau mà ta có thể kể tên một số nhóm tiêu biểu như nhóm nghiên cứu : Huỳnh Hữu Lộc, Lưu Quốc Hải, Nguyễn Thanh Bình và Đinh Đức Anh Vũ, Khoa Khoa Học và Kỹ Thuật Máy Tính, Đại học Bách Khoa Tp.HCM, nhóm nghiên cứu : Phạm Anh Phương, Ngô

Quốc Tạo, Lương Chi Mai với đề tài : “Trích chọn đặc trưng wavelet Haar kết hợp với SVM cho việc nhận dạng chữ viết tay Tiếng Việt”, hoặc đề tài “Nhận dạng phiếu trả lời trắc nghiệm và có nhận dạng chữ số viết tay dựa trên mạng Noron “ của nhóm tác giả : Trầm Quốc Thuận, Châu Kiến tài, trường Đại học

Mở TpHCM…

Ngày nay, nền giáo dục đào tạo ở nước ta ngày càng phát triển, lượng học sinh- sinh viên ở các trường ngày càng gia tăng, và danh sách thí sinh dự thi trong các kì thi cũng tăng lên theo đó Do vậy, điểm sau mỗi đợt thi nếu được nhập bằng thủ công vào cơ sở dữ liệu thì sẽ không đảm bảo được tính chính xác, mất rất nhiều nhân công, thời gian Hiện nay, có một số trường đã nghiên cứu, triển khai hệ thống nhận dạng điểm số một cách tự động trên bảng điểm thi và đạt được một số kết quả khả quan Ví dụ như trường Đại học Mở TpHCM, Đại Học Kinh Tế, Cao Đẳng Bách Việt, Đại học Tôn Đức Thắng…

Với phương pháp thực hiện dựa trên việc nhận dạng các ô số được tô và các số viết tay

Hình 1 : Phiếu điểm mẫu nhận dạng bằng cách tô ô số và nhận dạng số viết

tay

Tuy nhiên với các ô số được tô thì cũng đòi hỏi nhiều thời gian cho việc tô từng ô số, tiến trình nhận dạng cũng bị ảnh hưởng về mặt thời gian do việc phải quét qua hết các ô số Còn nếu chỉ nhận dạng số viết tay thôi chưa đủ, người viết có thể viết nhầm trong quá trình chấm điểm Thêm nữa là hệ thống

cũ chưa đáp ứng đầy đủ trường hợp điểm số là lẻ Với những lý do đã nêu ra,

ta thấy cần thiết nghiên cứu kết hợp việc nhận dạng số và chữ số viết tay mà

điểm thi trong đó có thêm nhận dạng điểm số lẻ Giải quyết vấn đề trên sẽ đem lại các lợi ích sau khi đưa vào ứng dụng thực tế:

- Giảm lượng nhân công nhập điểm

- Độ chính xác cao

- Tiết kiệm thời gian, công sức

- Do có phần thống kê nên giúp người quản trị hệ thống dễ dàng giám sát tiến trình nhập điểm, giúp đưa ra cách giải quyết phù hợp khi có sai sót xảy ra

Từ hiện trạng và những đặc điểm nêu trên, chúng tôi xin được đề xuất

hướng nghiên cứu luận văn là: Nghiên cứu nhận dạng số và chữ số viết tay

Tiếng Việt trên bảng điểm thi sử dụng mạng Noron nhân tạo.

2 Mục đích nghiên cứu (các kết quả cần đạt được).

Tìm hiểu và nghiên cứu các cơ sở lý thuyết, cũng như các kỹ thuật nền tảng để giải quyết bài toán nhận dạng tổng quát

Đề xuất áp dụng mạng Nơron nhân tạo thực hiện các thuật toán xử lý ảnh và nhận dạng số và chữ số viết tay Tiếng Việt

Cải tiến và đề xuất ra các thuật toán mới trong quá trình nghiên cứu

Xây dựng được hệ thống nhận dạng số và chữ số viết tay Tiếng Việt trên bảng điểm thi dựa vào mạng Neuron nhân tạo Hệ thống được thiết kế để hỗ trợ việc nhận dạng số và chữ số viết tay trên bảng điểm thi qua mạng cũng như quản lý dữ liệu sinh viên

3 Đối tượng và phạm vi nghiên cứu

Luận văn tập trung nghiên cứu và ứng dụng mạng Noron nhân tạo để xây

dựng một ứng dụng nhận dạng số và chữ viết tay theo đúng qui định bảng điểm thi mẫu Các qui định về bảng điểm thi mẫu bao gồm: chữ viết tay phải rõ ràng, ảnh bảng điểm thi được scan phải ngay ngắn, đảm bảo độ sáng của ảnh… Việc nhận dạng chữ viết tay ở đây tiến hành cụ thể tương ứng với các số

từ 0 đến 10 được viết tay, trong đó có nhận dạng các số lẽ như :1.5, 2.5, 3.5… và các chữ số tương ứng như : một, một năm, hai, hai năm…

4 Phương pháp nghiên cứu

Để đạt được mục tiêu đề ra, chúng tôi quan tâm đến việc nghiên cứu lý thuyết điểm ảnh, các thuật toán rút trích, xử lý điểm ảnh, mạng Neuron và các phương pháp nhận dạng chữ viết hiện nay Đồng thời đề xuất một số giải pháp cải tiến phương pháp đang sử dụng

Hình 2 : Bảng điểm thi mẫu

Thu nhận hình ảnh

Xác định tọa độ vùng cần nhận dạng Phân tích ảnh để tìm từ

Mạng Neuron nhận dạng từ

Hậu xử lý dữ liệu

Cơ sở dữ liệu mẫu Tiền xử lý ảnh

Cơ sở dữ liệu quản lý SV

4.1 Cơ sở dữ liệu:

- Cơ sở dữ liệu bao gồm các mẫu từ và số được lấy từ bộ mẫu có sẵn

MNIST Trong quá trình tiến hành nhận dạng, nếu mẫu này là mới thì chương trình sẽ học và lưu trữ vào cơ sở dữ liệu mẫu

- Bên cạnh đó cũng bao gồm việc thiết kế cơ sở dữ liệu cho hệ thống quản

lý điểm thi của sinh viên

4.2 Dự kiến bước chính thực hiện để nhận dạng chữ viết tay trong đề tài này:

Hình 3 : Sơ đồ tổng quát quá trình nhận dạng số và chữ viết tay Tiếng Việt

trên bảng điểm.

4.2.1 Thu nhận hình ảnh

Bảng điểm sau khi được chấm điểm sẽ được đưa vào máy scanner để thu nhận ảnh sau đó tiến hành nhận dạng Bảng điểm được nhận dạng phải đúng theo dạng mẫu qui định

4.2.2 Tiền xử lý ảnh

Giai đoạn tiền xử lý văn bản là giai đoạn quan trọng, quá trình này ảnh hưởng trực tiếp đến độ chính xác của quá trình nhận dạng, tuy nhiên nó cũng làm tăng thời gian chung của cả hệ thống Giai đoạn này bao gồm việc lọc nhiễu, làm xám ảnh, nhị phân hóa ảnh…

Kỹ thuật sử dụng cho giai đoạn này bao gồm ứng dụng lược đồ mức xám Histogram và phương pháp nhị phân hóa Ostu

4.2.3 Xác định tọa độ vùng cần nhận dạng

Bước này được thực hiện duy nhất cho lần đầu chạy chương trình để

ta tìm ra tọa độ dòng và cột ở những nơi cần nhận dạng của bảng điểm mẫu Việc xác định tọa độ dựa trên các điểm nhận dạng gốc của bảng điểm

Hình 4 : Tọa độ vị trí các điểm cần nhận dạng theo hàng

Hình 5 : Tọa độ vị trí các điểm nhận dạng theo cột

Hình 6 : Xác định tọa độ nhận dạng

4.2.4 Phân tích ảnh để tìm từ

Ảnh sau khi đã xác định tọa độ các vùng cần nhận dạng, ta tiến hành quá trình phân tích ảnh để tìm từ bao gồm các bước sau:

Lớp ẩ n

L ớp đầ

u vào

Điểm ảnh

Điểm ảnh

Điểm ảnh

Điểm ảnh

0 hoặc 1

0 hoặc 1

0 hoặc 1

0 hoặc 1

L ớp đầ

u ra

- Xác định vùng chuỗi từ và số cần nhận dạng

- Tách chuỗi từ, chuỗi số ra khỏi ảnh

- Tách các từ, các số ra khỏi chuỗi từ, chuỗi số

Dựa vào các điểm tọa độ nhận dạng kết hợp với giải thuật dò tìm các biên của vùng ảnh để tiến hành xác định vùng ảnh cần được xử lý cho bước tiếp theo

Hình 7: Xác định loại bỏ đường biên của ảnh nhận dạng

Hình 8: Tách từ ra khỏi chuỗi từ

Thuật toán sử dụng để tách từ ra khỏi văn bản dựa trên lược đồ chiếu dọc (Vertical projection Histogram) kết hợp đặc tính biên độ về độ sáng của các pixel

4.2.5 Mạng Neuron-mờ nhận dạng từ

Luận văn thực hiện nghiên cứu mạng truyền thẳng feed-forward bao gồm nhiều lớp các đơn vị xử lý phi tuyến (non-linear processing unit) MLP (MultiLayer Perceptron) cùng thuật toán lan truyền ngược để tiến hành nhận dạng các từ được đưa vào từ ảnh

Hình 9 : Mô hình mạng Noron nhận dạng số và chữ số viết tay Tiếng việt

Lớp đầu vào gồm các neural nhận giá trị nhị phân(0,1) của các thành phần của véctơ tương ứng dữ liệu được véc tơ hóa từ ma trận điểm ảnh kí tự bằng phương pháp chia lưới

Lớp ẩn gồm các neural, số neural này được quyết định từ những kết quả tối

ưu và giá trị lỗi cơ sở trong quá trình huấn luyện

Lớp đầu ra gồm các neural đưa ra giá trị nhị phân(0,1) tương ứng với các từ mẫu trong cơ sở dữ liệu mẫu

4.2.6 Hậu xử lý dữ liệu

Sau khi quá trình nhận dạng từ đưa ra kết quả ta tiến hành so khớp điểm số và điểm chữ cho phù hợp Cuối cùng là thao tác ghi nhận điểm số vào bảng điểm được lưu trên máy tính

II Nội dung:

Luận văn hướng đến quá trình thu nhận đối chiếu giá trị ảnh của phiếu điểm thi,qua đó thực hiện việc thực hiện nhận dạng chữ viết tay tiếng Việt với những cải tiến mới hiệu quả hơn Dự kiến luận văn sẽ bao gồm các chương sau:

Chương 1: TỔNG QUAN

Dự kiến sẽ trình bày một số nội dung sau:

 Dẫn nhập, giới thiệu lý do chọn đề tài

 Mục đích và phương pháp nghiên cứu của đề tài

 Những đóng góp của đề tài

 Bố cục luận văn

Chương 2: CƠ SỞ LÝ THUYẾT

Dự kiến sẽ trình bày một số nội dung sau:

 Giới thiệu tổng quan về điểm ảnh

 Giới thiệu mạng Neuron nhân tạo

 Giới thiệu tình hình nghiên cứu trong và ngoài nước

 Trình bày chi tiết các thuật toán, giải thuật của quá trình nhận diện số và chữ số viết tay Tiếng Việt trên bảng điểm thi

Chương 3: THỰC NGHIỆM

Dự kiến sẽ trình bày một số nội dung sau:

 Giới thiệu về ứng dụng, phần mềm và phần cứng trong quá trình thực nghiệm

 Kết quả của các bước tiến hành thực nghiệm

 Xây dựng được ứng dụng nhận dạng số và chữ viết tay Tiếng Việt cho bảng điểm thi

 So sánh với kết quả của các nghiên cứu trước đó.

 Kết luận rút ra từ kết quả thực nghiệm

Chương 4: KẾT LUẬN

Dự kiến sẽ trình bày một số nội dung sau:

 Kết quả đạt được của luận văn

 Đề xuất kiến nghị

III Kết luận:

Để tài đã giới thiệu tuần tự về nhận dạng số và chữ số viết tay Tiếng Việt Xây dựng được ứng dụng thực hiện việc nhận dạng Tiến hành thực nghiệm trên mẫu bảng điểm thi cụ thể

Đã trình bày các giải thuật tương ứng để thực hiện quá trình nhận dạng Trong đó có nhiều cải tiến tốt hơn so với các công trình nghiên cứu trước đó Đóng góp thêm một phương pháp mới trong khoa học nhận dạng

IV Danh mục các tài liệu tham khảo:

[1] Nguyễn Quang Hoan Xử lý ảnh Học viện công nghệ bưu chính viễn thông, 2006

[2] Lương Mạnh Bá, Nguyễn Thanh Thuỷ Nhập môn xử lý ảnh số Nhà xuất bản Khoa học và Kỹ thuật, 2006

[3] Nhập môn Trí Tuệ Nhân tạo,Học viện công nghệ Bưu chính Viễn Thông, 2007

[4] Nguyễn Đình Thúc Trí tuệ nhân tạo, mạng nơron phương pháp và ứng dụng Nhà xuất bản Giáo Dục - 2000

[5] Ngô Quốc Tạo, Phạm Văn Hùng Xây dựng tham số cho mạng nơron lan truyền ngược Kỷ yếu hội thảo Quốc gia, Thái Nguyên 8-2003

[6] Ngô Quốc Tạo Nghiên cứu phương pháp nhận dạng chữ viết tay hạn chế trực tuyến Đề tài nghiên cứu cơ sở mã số CS04.09 Viện CNTT, 2004

[7] Lê Hoài Bắc, Lê Hoàng Thái Neuron Network & Genetic Algorithm in Application to Handwritten Character Recognition, Tạp chí Tin học và Điều khiển học, Tập 17, số 4, 2001

[8] Phạm Anh Phương, Ngô Quốc Tạo, Lương Chi Mai Trích chọn đặc trưng wavelet Haar kết hợp với SVM cho việc nhận dạng chữ viết tay tiếng Việt [9] Hệ mờ, Mạng Neuron và Ứng dụng Nhà xuất bản khoa học kỹ thuật, 2001

[10] Lê Xuân Trường, Trầm Quốc Thuận, Châu Kiến tài Nhận dạng phiếu trả

[11] William K.Pratt, “Digital Image Processing”, John Wiley & Sons 2001 [12] CHRISTOPHER M BISHOP(1995), Neural Networks for Pattern Recognition.pdf, CLARENDON PRESS • OXFORD, UK

[13] Robert Full´er The Perception Learning Rule – Tutorial Institute for Advanced Management Systems Research Department of Information Technologies, 4-2010

[14] N K Kasabov, J S Kim, A R Gray, M J Watts FuNN - A Fuzzy Neural Network Architecture for Adaptive Learning and Knowledge Acquisition Department of Information Science University of Otago, P.O.Box

56, Dunedin, New Zealand Abo Akademi University

[15] Arnold F Shapiro The Merging of Neural Network, Fuzzy logic, and Genetic Algorithm SoA 2002 Spring Meeting

[16] Chin-Teng Lin, Chang-Mao Yeh, Jen-Feng Chung, Sheng-Fu Liang and Her-Chang Pu Support-Vector-Based Fuzzy Neural Networks

[17] Puyin Liu, Hongxing Li Fuzzy Neural Network theory and application Series in Machine Perception and Artificial Intelligence – Vol.59 World Scientific Publishing Co Pte Ltd, 2004

V Dự kiến kế hoạch thực hiện:

1 Nghiên cứu lý thuy ết 7/10/2011 - 15/1/2011

3 Viết báo cáo – hiệu chỉnh 21/04/2012 - 30/05/2012

Ý KIẾN CỦA GIÁO VIÊN HƯỚNG DẪN NGƯỜI LẬP ĐỀ CƯƠNG

(Ký ghi rõ họ tên) (Ký ghi rõ họ tên)

TS Lê Xuân Trường Nguyễn Phú Lợi

XÁC NHẬN CỦA TRƯỞNG TIỂU BAN CHẤM ĐỀ CƯƠNG

(Ký ghi rõ họ tên)