El yazısı karakterlerden karakter ve yazıcı tanıma
Character and writer recognition from handwritten characters
- Tez No: 184036
- Danışmanlar: DOÇ. DR. BİLGİNER GÜLMEZOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Handwritten digit recognition, Pattern recognition, Writer recognition, Common vectorapproach, Subspace methods
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 43
Özet
EL YAZISI KARAKTERLERDEN KARAKTER VE YAZICI TANIMAÖNDER KIRLIÖZETBu tezin amacı, el yazısı karakterlerden karakter ve yazıcı tanımadır. Karakter tanımaçalışmasında, MNIST veri tabanındaki el yazısı ile yazılmış rakamlar kullanılarak Eigenspace,Fisherspace, Ortak Vektör Yaklaşımı (OVY) ve Gaussian Karışım Modeli (GKM) yöntemleri ile tanımayapılmıştır. OVY ilk defa bu tezde el yazısı karakter tanıma çalışmasında kullanılmış olup, daha öncedenyapılan ses, konuşmacı ve görüntü tanıma çalışmalarında tatmin edici sonuçlar vermiştir. Bir alt uzayyöntemi olan OVY'nın temel amacı her sınıfa ait, o sınıfın ortak özelliklerini en iyi temsil edebilecek vetek olan bir vektör bulmaktır. Sınıflandırma aşamasından önce her karaktere ait Zernike, Dikgen Fourier-Mellin (DFM) ve iki boyutlu ölçekleme (2D-ölçekleme) isimli moment tabanlı öznitelikler eldeedilmiştir. Bu öznitelikler ve ham verinin tanıma oranlarına olan etkileri değerlendirilmiştir.Sınıflandırma sonucunda yöntemler, tanıma oranlarının yanında, eğitim ve test için gerekli süre ile hafızaihtiyaçları bakımından karşılaştırılmıştır.Karakter tanıma çalışması sonucunda, en iyi tanıma oranları GKM yöntemi ile elde edilmiştir.Ancak OVY diğer alt uzay yöntemleri Eigenspace ve Fisherspace'e göre daha iyi sonuç vermiştir. Eğitimve test için gerekli süre ve hafıza ihtiyaçları düşünüldüğünde ise OVY'nın diğer yöntemlere göre dahaüstün olduğu görülmüştür. Ham veri, üzerinde boyut eşitleme haricinde, kopuk karakterleri birleştirme,eğikleri düzeltme, gürültü temizleme gibi çalışmalar yapılmadığı halde, bütün yöntemler için en iyisonuçları vermiştir. Moment tabanlı özniteliklerde ise 2D-ölçekleme momentlerinden elde edilensonuçlar ham veri için elde edilen sonuçlara yakın çıkmıştır.Yazıcı tanıma aşamasında, veri tabanının yetersiz olması ve literatürde ayrık karakterlerdenyazıcı tanıma çalışmasına rastlanamadığından dolayı iyi bir performans değerlendirmesiyapılamamıştır. Bu bölümde NIST 19 özel veri tabanındaki yazıcısı belli olan numaralar üzerindeOVY uygulanmıştır. Yazıcı tanıma çalışması kişinin yazdığı numaraya bağımlı ve bağımsız olarak ikiaşamada gerçekleştirilmiştir.Anahtar Sözcükler : El yazısı karakter tanıma, Örüntü tanıma, Yazıcı tanıma, Ortak vektöryaklaşımı, Alt uzay yöntemleri.
Özet (Çeviri)
CHARACTER AND WRITER RECOGNITION FROM HANDWRITTEN CHARACTERSÖNDER KIRLISUMMARYThe aim of this thesis is character and writer recognition from handwritten characters. Fourdifferent approaches, which are Eigenspace, Fisherspace, Common Vector Approach (CVA) andGaussian Mixture Models (GMM), are compared using MNIST database of handwritten digits. CVA isused in character recognition problem for the first time in this thesis and also CVA has givensatisfactory results in previous works such as speech, speaker and image recognition. CVA is asubspace method and it aims to find a unique vector, which contains the common features for eachclass. Before the classification phase, three different types of moment based features, which areZernike, Orthogonal Fourier-Mellin (OFM), and 2-D Scaling Moments are obtained for each digit. Theraw data and these moment-based features are discussed about their affects on the recognition rates.The results are compared in terms of raw accuracy but also training time, recognition time andmemory requirements.The experimental study indicates that GMM is superior to the other methods. But CVA hasgiven better results among the subspace methods. When we consider the training time and test timeand the memory requirements of the methods, CVA is superior to the other methods. However, exceptthe scaling any pre-processing such as disjoint region connection, slant correction and noise reduction,are achieved, best results are obtained for raw data with all methods. 2D-scaling moments have thebest results among the other type moments.In the writer recognition part of this thesis, a good comparison of the performance couldn?t bedone because of the insufficient database and the absence of any publishes about the writer recognitionfrom isolated characters. In this part, CVA is applied on the numbers, writers of which are known, inNIST 19 special database. In the recognition phase, number dependent and number independentrecognitions are achieved.
Benzer Tezler
- El yazısı karakter tanıma: Dalgacık moment özniteliklerinin yenilenen ANFIS ile sınıflandırılması
Handwritten character recognition: Classification of the wavelet moment features using modified ANFIS
BAYRAM CETİŞLİ
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiY.DOÇ.DR. RİFAT EDİZKAN
- Character recognition using implicit polynomials
Başlık çevirisi yok
MEHMET HAMDİ ÖZÇELİK
Yüksek Lisans
İngilizce
1993
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYTÜL ERÇİL
- Birleşik ve eğik Türkçe el yazısı tanıma sistemi
Turkish connected and slant handwritten recognition system
MURAT ŞEKERCİ
Yüksek Lisans
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. REMBİYE KANDEMİR
- Makine öğrenme yöntemleri ile el yazısı karakterlerinin tanınması
Recognizing handwriting characters by machine learning methods
ÖZGE TUNCER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. UĞUR YAVUZ
- An Off-line character recognition system for free style handwriting
Serbest stil el yazısı için çevrim dışı karakter tanıma sistemi
NAFİZ ARICA
Yüksek Lisans
İngilizce
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ YARMAN