1 / 22

PROGRAMSKI SUSTAV ZA RASPOZNAVANJE TISKANOG TEKSTA

PROGRAMSKI SUSTAV ZA RASPOZNAVANJE TISKANOG TEKSTA. Autor: Mladen Jurković Mentor: Prof.dr.sc. Zoran Kalafatić Broj rada: 858 Datum: 10.7.2009. Sadržaj. Uvod Metoda izrade sustava Modeli sustava Prikaz faza Prikaz rada programa Zaključak. Uvod. Optičko raspoznavanje znakova

vanya
Download Presentation

PROGRAMSKI SUSTAV ZA RASPOZNAVANJE TISKANOG TEKSTA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. PROGRAMSKI SUSTAV ZA RASPOZNAVANJE TISKANOG TEKSTA Autor: Mladen Jurković Mentor: Prof.dr.sc. Zoran Kalafatić Broj rada: 858 Datum: 10.7.2009.

  2. Sadržaj • Uvod • Metoda izrade sustava • Modeli sustava • Prikaz faza • Prikaz rada programa • Zaključak

  3. Uvod • Optičko raspoznavanje znakova • Računalni vid • Raspoznavanje uzoraka

  4. Metoda izrade sustava • Učenje s učiteljem • Dvije faze: • Faza učenja • Faza odlučivanja

  5. Slike za učenje • JPG format • Svako slovo prikazano s 19 fontova

  6. Model faze učenja

  7. Model faze odlučivanja

  8. Ulazna slika

  9. Pretprocesirana slika

  10. Pronalaženje kontura

  11. Polovice slova

  12. Izlučivanje značajki • Vektor značajki je 5-dimenzionalan • Prva značajka: broj rupa u slovu • Ostale: Hu-ovi invarijantni momenti

  13. Sličnost uzoraka • Udaljenost između vektora gdje je i-ti član vektora značajki uzorka A • Ukupna sličnost: umnožak sličnosti svake od polovica slika i cijele slike

  14. Klasifikacija nepoznatih uzoraka • 1-NN metoda • Klasifikacija pomoću jednog prototipa • Konačna odluka: kombinacija ovih metoda

  15. Problemi kod prepoznavanja • Sljepljivanje slova • Nezatvorenost kontura • Razlomljena slova

  16. Prikaz rada programa

  17. Slika za testiranje

  18. Prepoznati tekst THE QUICK BROMN DOG JUMPS OVER THE AZY FON THE QUECK BMOWN DOG JUMFS OVES THE LAY FOX THE QUICK BROKN DOC JUMPS OVER THE LAY FOZ TNE QUICK BROWN DOG JUMPS OVER TNE LAZY FOX TME QUICK BRONS SOG JUMPS OVER TME AY FOX TGE QUICE BROSM DOG JXMPS OVER TME LAZY FON TNE QUICK BROMN DOG JUMPS OVER TNE AZV FOX

  19. Testiranje i uspješnost • Testirano na 7 nepoznatih fontova • Pogrešna klasifikacija: 5,66 % • Baza slika za učenje: 26 x 19 slova • Baza slika za testiranje: 7 x 400 slova

  20. Programska potpora • Programski jezik: c++ • Korištenje funkcija knjižnice OpenCV • Visual Studio 2008

  21. Zaključak • Uspješnost ostvarenog programskog sustava > 94% • Moguća poboljšanja: korištenje rječnika

  22. Hvala na pažnji Pitanja?

More Related