ارائه یک روش مبتنی بر گروهبندی برای بازشناسی حروف مجزای برخط فارسی به کمک مدل مخفی مارکوف

روش های آماری مانند مدل مخفی مارکوف به خوبی در مسائل بازشناسی گفتار مورد استفاده قرار گرفته اند. اخیر اً این متدها در بازشناسی دست نوشته نیز بکار گرفته شد ه اند. در این مقاله یک روش مبتنی بر گرو ه بندی، جهت بازشناسی حروف مجزای برخ ط فارسی مستقل از نویسنده، ارائه م یشود. مدلسازی با استفاده از مدل مخفی مارکوف انجام م یپذیرد و ویژگی های متعددی از دنباله نقاط نمونهبرداری شده از حروف دستنوشته، جهت تخمین پارامترها، استخراج شده است. آزمایشات مختلفی با ویژگیهای متفاوت دنباله نقاط و توپولوژ ی های گوناگون مدل مخفی مارکوف با استفاده از روش مبتنی بر گرو هبندی و روش مبتنی بر هر یک از حروف انجام گرفته و نتایج و تاثیر آنها بر دقت بازشناسی گزارش شده است. با گروه بندی حروفی که حرکات دست هنگام نوشتن آنها مشابه است و مدلسازی هر گروه، درصد خطای بازشناسی نسبت به روشی ک ه در آن برای هر یک از حروف، مدلی ایجاد م یشود ، 25,63 درصد کاهش یافته است . بهترین نتیجه با استفاده از ویژگ یهای مشتق زمانی مرتبه اول مولف ههای افقی و عمودی نقاط روی محورهای مختصات و تفاضل زوایای نقاط پی در پی، به دست آمده است.