Dựa trên những kết quả đã đạt được và những hạn vấn đề còn tồn tại, tôi xin đề xuất một số hướng phát triển trong thời gian sắp tới nhằm nâng cao chất lượng nhận dạng của hệ thống đồng thời nới lỏng bớt các điều kiện ràng buộc trên đầu vào của hệ thống.
1) Tiến hành thu thập thêm các mẫu chữ cái viết tay nhằm xây dựng được một tập dữ liệu đủ tốt để huấn luyện mạng.
2) Tiến hành nghiên cứu sâu hơn các đặc trưng của chữ viết tay nhằm hoàn thiện hơn tập các đường cong đặc trưng điều này sẽ nâng cao hiệu quả của quá trình xác định các vị trí cắt trên từ.
3) Bổ sung thêm phần phân tích cú pháp và phân tích ngữ nghĩa trong câu để có thể lựa chọn được chính xác hơn kết quả trả về của mạng nơron.
TÀI LIỆU THAM KHẢO
Tài liệu tham khảo tiếng Việt
[1] Lương Mạnh Bá, Nguyễn Thanh Thuỷ (1999), Nhập môn xử Lý Ảnh Số, Nhà Xuất bản Khoa Học và kỹ thuật
[2] Nguyễn Thị Thanh Tân. Nhận dạng chữ viết tay hạn chế dựa trên mô hình mạng nơron kết hợp với thống kê ngữ cảnh. Luận văn thạc sỹ, ĐHQGHN
Tài liệu tham khảo tiếng Anh
[3] A. Lawson, D. D‟Amato, E. Kuebert, Results from a performance evaluation of handwritten address recognition systems for the United States Postal Service,
Proceedings of the International Workshop on Frontiers in Handwriting Recognition, Amsterdam, 2000, pp. 189–198.
[4] Augustin, N. Gorski, V. Anisimov, , O. Baret, D. Price, J. Simon, A2iA check reader: a family of bank check recognition systems, in Proceedings of the International Conference on Document Analysis and Recognition, Vol. 1, Bangalore, 1999, pp. 523–526.
[5] abbyy.com
[6] Anil K. Jain, Fundamentals Digital Image Processing, Prentice Hall Information and System Sciences Series.
[7] AZahour, B.Taconet and A.Faure (1992), “Machine Recognition of Arabic Cursive Writing”, From Pixels To Features III Frontiers in Handwriting Recognition, 289-296.
[8] Beffert, H. and Shinghal (1989), “Skeletonizing binary patterns on the omogeneous mulptiprocessor”, Journal of Pattern Recognition and Artificial Intelligence, vol. 3, No.2, pp.207-216.
[10] C.J.Wells, L.J.Evett, P.E.Whitby, and Whitrow, fast dictionary loookup for contextual work recognition, Pattern Recognition.
[11] Denis Ricard, Helle Hvid Hansen, Mike Wozniewski, Linear Feature Extraction andDescription, McGill University.
[12] Jean J.Neural Networks, Wang J., Multiresolution neural networks for omnifont character recognition, IEEE International Conference on Volume , Issue , 1993
[13] Hornik, K., M.Stinchcommbe, and H.White (1989), Multilayer feed–forward networks are universal approximator, Neural Network, 259-366.
[14] Ioannis Andreadis, Maria I. Vardavoulia, Gerasimos Louverdis and Nikolaos Papamarkos, Colour image skeletonisation, Democritus University of Thrace. [15] J.Camillerapp, G.Lorette, G.Menier, H,Oulhadj and J.C.Petttier (1992), Off-
line and On-line Methods For HandwritingRecognition, From Pixels To Features III Frontiers in Handwriting Recognition, 273-288.
[16] J.C.Simon (eds.), S.Impedovo, Cursive Words Recognition, From Pixels to Features III - Frontiers in Handwriting Recognition, Elsevier Publ., 1992
[17] J.J. Hull, T.K.Ho, J.Favata, V.Govindaraju and S.N.Srihari, Combination of handwritten word recognition algorithms, From Pixels ToFeatures III Frontiers in Handwriting Recognition,1992.
[18] G.Kokkinakis, E.Kavallieratou, N.Fakotakis, Skew angle estimation in
document processing using Cohen’s class distributions, Wire Communications Laboratory, University of Patras.
[19] Giovanni Seniy, Nasser Nasrabadiz, Rohini Srihariy, An On-Line Cursive Word Recognition System, Center of Excellence for Document Analysis and Recognition, Department of Electrical and Computer Engineering, State University of New York at Bu_alo Bu_alo, NY 14260
[20] Govindaraju V., Favata J., Srihari S.N., Hull J.J., Ho T.K., Combination of segmentation-based and wholistic handwritten word recognition algoriths, From Pixel to Features III Frontiers in Handwriting Recognition, 1992, 261-72. [21] S.Sathiya Keerthi and Dr. P.K. Sadasivan. Neural Networks. Prentice Hall,
tr.1-142
[22] ftp://ftp.sas.com/pub/neural/FAQ.html
[23] M.Bishhop, Christopher Neuron networks for Pattern recognition Oxford University Press