Geri Dön

Segmentation, feature extraction and recognition of ottoman script

Osmanlıca metinin bölütlenmesi, öznitelik çıkarımı ve tanınması

  1. Tez No: 35549
  2. Yazar: ALPER ATICI
  3. Danışmanlar: PROF. DR. FATOŞ YARMAN VURAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: optik harf tanıma, bölütleme, öznitelik analizi ve çıkarımı, sınıflandırma, Saklı Markov Model, trie, zincir kodu, Optical Character Recognition (OCR), segmentation, feature analysis and extraction, classification, Hidden Markov Models (HMM), trie, chain code
  7. Yıl: 1994
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 114

Özet

ÖZ OSMANLICA METİNİN BÖLÜTLENMESİ, ÖZNİTELİK ÇIKARIMI VE TANINMASI ATICI, Alper Yüksek Lisans Tezi, Bilgisayar Mühendisliği Anabilim Dalı Tez Yöneticisi: Prof. Dr. Fatoş Yarman VURAL Eylül, 1994 Bu tezde, C++ programlama dili kullanılarak, PC tabanlı bir donanım üzerinde Osmanlıca metinin bölütlenmesi, öznitelik çıkarımı ve tanınması amacıyla bir optik harf tanıma sistemi geliştirilmiştir. Geometrik ve topolojik öznitelik analizine dayalı bölütleme ve öznitelik çıkarımı ardından, harflerin ana gövdelerine zincir kodu transformasyon uygulanmaktadır. Bölütleme aşaması ile elde edilen bölütler, farklı yöntemlerle işlenebilirler. Zincir kodu dizilimleri Saklı Markov Model ile sınıflandırılmaktadır Elde edilen öznitelikler, trie' veri yapısı ağacı ile temsil edilen alfabede tam eşleme yöntemiyle işlenerek harf tanıması yapılmaktadır. 'Trie' düğümleri, harfleri ayırdedici özniteliklere karşılık gelmektedir. Saklı Markov Model ile yapılan deneylerde ilk iki sırada görülen doğru seçeneklerin oram %99'dur.

Özet (Çeviri)

ABSTRACT SEGMENTATION, FEATURE EXTRACTION AND RECOGNITION OF OTTOMAN SCRIPT ATICI, Alper M.S. in Computer Engineering Supervisor: Prof. Dr. Fatos Yarman VURAL September, 1994 In this study, an OCR system for segmentation, feature extraction and recognition of Ottoman script has been developed using C++ programming language on PC platform. The segmentation and feature extraction stages are based on geometrical and topological feature analysis, followed by the chain code transformation of the main strokes of characters. The output of segmentation is well- defined segments that can be fed into any classification approach. The classes of main strokes are identified through left-right Hidden Markov Models (HMM). Final decision is made by exact matching of the features with those of the alphabet, which is represented by tries. The nodes of the tries represent distinguishing features of characters. The percentage of correct decisions that appear in top 2 alternatives produced by Hidden Markov Models is 99%. Ul

Benzer Tezler

  1. Tez No

    47448

    Integrated segmentation and recognition of handwritten digits

    Elyazı rakamların birleştirilmiş tanıma ve bölütlendirilmesi

    HAKAN AYGÜN

    Yüksek Lisans

    İngilizce

    İngilizce

    1995

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Y.DOÇ.DR. ETHEM ALPAYDIN

  2. Tez No

    534684

    A low cost learning based sign language recognition system

    Düşük hesap karmaşıklığına sahip öğrenme tabanlı işaret dili tanıma sistemi

    ABDULLAH HAKAN AKIŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE BOZDAĞI AKAR

  3. Tez No

    290234

    Development of a face recognition system

    Bir yüz tanıma sisteminin geliştirilmesi

    CAHİT GÜREL

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Makine MühendisliğiAtılım Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR ERDEN

  4. Tez No

    678476

    Evrişimli sinir ağları kullanılarak retina görüntülerinin segmentasyonu ve sınıflandırılması

    Segmentation and classification of retina images using convolutional neural networks

    MALI MOHAMMEDHASAN

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HARUN UĞUZ

  5. Tez No

    849577

    Yapay zeka ile yemek tanıma ve özellik çıkarımı

    Food recognition and feature extraction with artificial intelligence

    EMİNE GÜL ÖZKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLHAN UMUT

Geri Dön