چکیده:

این مقاله به توصیف روشی برای تشخیص ارقام دست نویس نوری و آفلاین عربی (هندی) با استفاده از مدل های پنهان مارکوف (HMM) می پردازد. برای این منظور ویژگی هایی که مشخصات تصویر را در مقیاس های موضعی، متوسط و بزرگ توصیف می کنند، به کار برده شده اند. ویژگی های گرادیان ، ویژگی های ساختاری و تقعر در سطح زیر ناحیه ها استخراج شده و به عنوان ویژگی های ارقام عربی (هندی) مورد استفاده قرار گرفته اند. به منظور تخمین تعداد بخش های مناسب برای تصویر و نیز تعیین بهترین ترکیب ویژگی ها، چندین آزمایش با استفاده از دسته بند HMM اجرا شده است. چند آزمایش برای تخمین تعداد بهینه ی حالت ها و نیز بهترین اندازه ی کتابچه های اطلاعاتی بر حسب بالاترین نرخ تشخیص ممکن انجام گرفته اند. ما در این مقاله روند عمومی استفاده از روش پنجره ی لغزان با HMM را دنبال نکرده ایم. بلکه ی به جای آن یک روش استخراج ویژگی به نام روش دارای چند رزولوشن را روی کل رقم به کار برده ایم. در این کار از یک پایگاه داده که شامل 44 نویسنده با 48 نمونه در هر رقم است، استفاده کرده ایم. در نتیجه تعداد کل نمونه های پایگاه داده 21120 نمونه می باشد. مقدار متوسط نرخ تشخیص به دست آمده 99% است. خطا های دسته بند مورد تحلیل قرار گرفتند و ناشی از داده های بد، سبک های مختلف نگارش برخی از ارقام، خطا های بین جفت رقم های مشابه و خطا های عینی (واقعی) تشخیص داده شدند. روش ارائه شده در این مقاله که مستقل از نویسنده است، به  گونه ای است که بتواند در تشخیص خودکار ارقام عربی (هندی) مؤثر واقع شود.

---

واژگان کلیدی: مدل پنهان مارکوف، ارقام نوری دست نویس عربی، تشخیص (شناسایی)، استخراج ویژگی مستقل از نویسنده، OCR، تشخیص رقم مستقل از نویسنده، ارقام عربی (هندی)