1. Trang chủ
  2. » Luận Văn - Báo Cáo

041_Nghiên cứu và ứng dụng phân đoạn ảnh trong nhận dạng chữ viết tay tiếng Việt

2 1K 25
Tài liệu đã được kiểm tra trùng lặp

Đang tải... (xem toàn văn)

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 2
Dung lượng 298,91 KB

Nội dung

Mô hình bài toán tổng thể mà chúng em đang nghiên cứu Nhận dạng văn bản viết tay tiếng Việt nét liền được tiến hành theo trình tự chính như sau: tiền nhận dạng tiền xử lý, tách dòng, tá

Trang 1

- 38 -

NGHIÊN CỨU VÀ ỨNG DỤNG PHÂN ĐOẠN ẢNH TRONG

NHẬN DẠNG CHỮ VIẾT TAY TIẾNG VIỆT

Ngô Trí Hoài MSV: 0122195 Email: trihoai@yahoo.com

Người hướng dẫn: TS Nguyễn Việt Hà

1 Giới thiệu

Trong thời gian gần đây, ở Việt Nam, nhận

dạng chữ tiếng Việt, đặc biệt là chữ viết tay là

những bài toán được nghiên cứu rất nhiều để áp

dụng vào các dự án tin học hoá Mô hình bài

toán tổng thể mà chúng em đang nghiên cứu

Nhận dạng văn bản viết tay tiếng Việt nét liền

được tiến hành theo trình tự chính như sau: tiền

nhận dạng (tiền xử lý, tách dòng, tách từ), nhận

dạng từ sử dụng bộ nhận dạng kí tự (trích chọn

đặc trưng ảnh của kí tự và nhận dạng kí tự bằng

mạng neuron) với bộ thống kê ngữ cảnh và cuối

cùng là hậu xử lý (ghép các kí tự nhận dạng

được thành các từ, đoạn văn tương ứng và ghi

ra file output) Khoá luận này trình bày những

nghiên cứu, giải pháp và kết quả mà em đạt

được khi cài đặt các công việc của giai đoạn

tiền nhận dạng nhằm xử lý, phân tách trang văn

bản thành các thành phần nhỏ hơn thích hợp

cho mạng neural, và bộ nhận dạng từ, những

công việc quan trọng của hệ thống Nhận dạng

văn bản viết tay tiếng Việt nét liền

Công đoạn tiền nhận dạng có thể được chia

thành một số bước nhỏ bao gồm : Tiền xử lý

ảnh, Tách dòng - từ

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 Vì vậy, tùy theo chất lượng ảnh thu

nhận được của từng trường hợp cụ thể, mà

chúng ta chọn sử dụng một hoặc một số thủ tục

tiền xử lý Thậm chí, trong trường hợp văn bản

đầu vào có chất lượng tốt và cần ưu tiên tốc độ

xử lý, chúng ta có thể bỏ qua giai đoạn tiền xử

lý này Tuy nhiên, thường thì chúng ta vẫn phải

thực hiện một số thủ tục quan trọng nhất Các

thủ tục này bao gồm : Nhị phân hóa, lọc nhiễu,

căn chỉnh độ lệch trang, làm trơn ảnh, … [2]

Thủ tục quan trọng nhất trong phạm vi khoá

luận là thủ tục xác định độ nghiêng của ảnh và

xoay ảnh theo góc nghiêng đã xác định

Để xác định góc nghiêng, người ta thường dùng 3 phương pháp : Sử dụng biến đổi Hough (Line fitting), phương pháp láng giềng gần nhất (nearest neighbours) và sử dụng tia quay (project profile) [3]

Hai phương pháp sử dụng biến đổi Hough và láng giếng gần nhất cho kết quả có độ chính xác cao nhưng lại tiêu tốn nhiều thời gian tính toán của hệ thống Phương pháp sử dụng tia quay cho kết quả có độ chính xác tương đối tốt, đồng thời có tốc độ thực hiện cao, thích hợp với bài toán nhận dạng chữ viết tay Em đã lựa chọn phương pháp này để thực hiện cài đặt

3 Tách dòng, từ

Sau quá trình tiền xử lý, chúng ta nhận được một trang văn bản đã được khôi phục và tăng cường chất lượng Trang văn bản chúng ta nhận được thường có rất nhiều vùng miền khác nhau, cần phải thực hiện việc phân tách thành các vùng, miền khác nhau Mỗi vùng miền có thể là vùng bảng, vùng ảnh, vùng chữ…

Quá trình phân tách trang văn bản thường được tiến hành theo phương pháp là phân tích down và bottom-up Đối với phân tích top-down, một trang văn bản được chia đoạn từ thành phần lớn thành các thàh phần nhỏ hơn Đối với phân tích bottom-up, người ta thực hiện phân tích cấu trúc từ các thành phần nhỏ nhất, sau đó kết hợp thành các thành phần lớn hơn cho đến khi có được trang văn bản Trên thực

tế, người ta còn áp dụng kết hợp cả hai phương pháp này với nhau

Tuy nhiên, phân vùng ảnh là một bài toán thực sự rất khó Trong phạm vi khoá luận này

em chỉ giới hạn việc xử lý đối với các trang chỉ gồm chữ viết tay trên giấy có đường kẻ ngang thông thường, không có bảng và ảnh và có góc nghiêng nhỏ (~100)

Quá trình này bao gồm việc phân tách trang văn bản thành các dòng, sau đó tách các dòng thành các từ riêng biệt

Để thực hiện việc phân tách văn bản thành các dòng, đầu tiên em thực hiện xác định các

Trang 2

- 39 -

đường kẻ ngang trên văn bản Sau đó, phân

tách các dòng văn bản theo các đường kẻ ngang

này Các dòng văn bản thường xen nhau do

được viết khá gần nhau vì thế để tách được các

dòng văn bản, em sử dụng một đường thẳng cắt

ngang giữa hai đường kẻ ngang Đối với những

phần bị cắt, thực hiện xét diện tích miền liên

thông để quyết định nó thuộc dòng trên hoặc

dưới Sau đó, thực hiện bóc tách dòng kẻ ngang

ra khỏi các dòng văn bản dựa vào sự khác màu

giữa màu chữ và màu đường kẻ

Trên một dòng văn bản, khoảng cách giữa

các từ thường lớn hơn giữa các kí tự trong một

từ rất nhều lần Thậm chí giữa các kí tự trong

cũng một từ không có khoảng cách do thường

dính nhau Ví thế, để thực hiện việc phân tách

dòng văn bản thành các từ, em sử dụng phương

pháp biểu đồ tần suất theo bề ngang của dòng

văn bản

4 Nhận dạng từ

Theo cách tiếp cận thông thường, sau khi có

được các từ riêng biệt, mỗi từ sẽ được tách

thành các kí tự khác nhau rồi chuyển cho bộ

nhận dạng kí tự để thực hiện nhận dạng Tuy

nhiên, cách tiếp cận đó chỉ phù hợp với chữ in

chứ không phù hợp với chữ viết tay do các kí tự

trong một từ của chữ viết tay thường bị dính

liền với nhau Việc tìm ra một cách tách chính

xác hoàn toàn là khó có thể thực hiện được

Đối với vần đề này, em sử dụng phương

pháp nhận dạng như sau : trước hết, tìm tất cả

các vị trí cắt có khả năng trên từ; sau đó, thực

hiện nhận dạng tất cả các từ có thể sinh ra từ

các lát cắt này Cuối cùng là chọn ra từ có khả

năng nhất [1]

Để tìm ta các vị trí cắt có khả năng trên từ,

em thực hiện kết hợp giữa phương pháp biểu đồ

tần suất kết hợp với tìm kiếm các vị trí có

đường cong đặc trưng, điều này đảm bảo rằng

các vị trí cắt đúng không bị bỏ sót

Nhằm hỗ trợ cho bộ nhận dạng từ trong việc

chon ra từ có khả năng nhất đồng thời tăng tốc

độ nhận dạng từ, em thiết kế một bộ thống kê

ngữ cảnh các từ tiếng Việt Nhiệm vụ của nó là

xác định tính hợp lý của một kí tự trong một

xâu kí tự Đồng thời cho biết tần suất xuất hiện

của một từ có nghĩa trong tiếng Việt Giá trị tần

suât này cùng với giá trị tin tưởng do mạng

neural trả về cho mỗi từ là tiêu chí để đánh giá

xem từ nào là từ có khả năng nhất Đó chính là

từ được nhận dạng

5 Thực nghiệm 1) Xây dựng cơ sở dữ liệu

Chúng em đã tiến hành xây dựng cơ sở mẫu chữ viết tay tiếng Việt gồm 30000 mẫu cho bộ nhận dạng từ dựa trên quy định về mẫu chữ tiếng Việt chuẩn dùng trong việc dạy học sinh cấp I

Chúng em cũng tiến hành thu thấp các văn bản chữ viết tay tiếng Việt trên giấy kẻ ngang với chữ theo tiêu chuẩn như đã nêu trên

2) Thực nghiệm

Tiến hành thực nghiệm với 60 trang chữ viết tay tiếng việt cho thấy bộ tiền xử lý và bộ tách dòng, tách từ hoạt động đúng hoàn toàn với 58/60 trang, có 2/60 trang bộ tách từ tách sai do trong trang có từ viết dính nhau khiến cho bộ tách từ không tách được

Thực nhiệm bộ nhận dạng từ với 400 từ khác nhau cho kết quả 386 từ (chiếm 96.5%) xác định được đầy đủ các vị trí cắt đúng, trong

đó 380/386 từ nhận dạng đúng, 6/386 từ nhận dạng sai do lỗi của mạng neural và do từ cần nhận dạng không có trong bộ thống kê ngữ cảnh

6 Kết luận

Như vậy, qua khoá luận này em đã nghiên cứu, cài đặt được một số phương pháp trong việc tiền nhận dạng (tiền xử lý ảnh, tách dòng, tách từ) đồng thời cài đặt được bộ nhận dạng từ với kết quả tương đối khả quan

Vấn đề cần tiếp tục nghiên cứu : thực hiện các bước phân vùng với trang văn bản gồm nhiều thành phần hoàn chỉnh; mở rộng hạn chế đối với mẫu tiếng Việt có thể phân tích được; cải thiện thuật toán xác định các vị trí cắt có khả năng

Tài liệu tham khảo

[1] Nguyễn Thị Thanh Tân, “Nhận dạng chữ viết tay hạn chế dựa trên mô hình mạng neural kết hợp với thống kê ngữ cảnh”,

Luận văn thạc sĩ 2004

[2] William K.Pratt, “Digital Image Processing”, John Wiley & Sons 2001

[3] A Marcolino, V Ramos, M Ramalho,

J.Caldas Pinto, “Line and Word Matching

in Old Documents”

Ngày đăng: 06/10/2013, 18:20

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w