Resumen

En este artículo presentamos un nuevo enfoque para el reconocimiento óptico de caracteres (OCR) sin conexión de subpalabras persas impresas mediante la transformada de paquetes wavelet. El algoritmo propuesto se utiliza para extraer características invariantes de la fuente y del tamaño a partir de 87804 subpalabras de 4 fuentes y 3 tamaños. Los vectores de características se comprimen mediante PCA. Los vectores de características obtenidos dan lugar a un diccionario pictórico para el que una entrada es la media de cada grupo que consta de la misma subpalabra con 4 fuentes en 3 tamaños. Los conjuntos de estas características se agrupan combinándolos con las características de punto para el reconocimiento de subpalabras persas impresas. Para evaluar los resultados de la extracción de características, este algoritmo se probó con un conjunto de 2.000 subpalabras en documentos de texto persa impresos. Se obtuvo una tasa de reconocimiento alentadora del 97,9% a nivel de subpalabra.

• Materias:Celda de memoria Arquitectura informática Levitación magnética Diseño Kansei Análisis de algoritmos
• Subjects:Memory cell Computer architecture Magnetic levitation Kansei Design Algorithm analysis
• Palabras claves:Subpalabras persas, vectores de características, documentos de texto persas, tasa de reconocimiento alentadora, resultados de la extracción de características, reconocimiento óptico de caracteres, reconocimiento a nivel de subpalabra, transformada de paquetes wavelet, algoritmo, fuentes.
• Keywords:Persian subwords, feature vectors, Persian text documents, encouraging recognition rate, feature extraction results, optical character recognition, subword level recognition, wavelet packet transform, algorithm, fonts