Resumen

La segmentación del texto cursivo sigue siendo la fase desafiante en el reconocimiento de texto. En los sistemas OCR, la precisión de reconocimiento del texto depende directamente de la calidad de la segmentación. En los sistemas OCR de texto cursivo, la segmentación de texto en idioma urdu escrito a mano es una tarea compleja debido a la sensibilidad contextual y a la diagonalidad del texto. Este artículo presenta un algoritmo de segmentación de líneas para texto urdu escrito a mano e impreso y posteriormente para los ligaduras. En la técnica propuesta, se emplea el enfoque de conteo de píxeles para la detección de encabezado y línea base modificados, en el que el sistema primero elimina la inclinación de la página de texto, y luego la página se convierte en líneas y ligaduras. El algoritmo se evalúa en un conjunto de datos urdu impreso y escrito a mano generado manualmente. El algoritmo propuesto se prueba por separado en texto escrito a mano e impreso, mostrando una precisión de línea del 96,7% y 98,3%,

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Segmentación; Texto cursivo; Sistemas OCR; Idioma urdu manuscrito; Algoritmo de segmentación de línea; Texto impreso
• Keywords:Segmentation; Cursive text; OCR systems; Handwritten Urdu language; Line segmentation algorithm; Printed text