بازشناسی حروف مجزای دستنویس فارسی با استفاده از مدل پنهان مارکف با چگالی پیوسته و ایده ترکیب چند سیستم خبره

مدل پنهان مارکف جهت بازشناسی متون فارسی مناسب است . در این پایان نامه روشی جدید و موثر براساس این نظریه مطرح شده است . در مرحله پیش پردازش برای فائق آمدن بر نویزهای موجود در تصاویر ورودی، چندین عملی پیش پردازشی از قبیل فیلتر کردن میانه ای، باینری کردن، اعمال فیلترهای مورفولوژیکی، نرمالیزه کردن و متمرکز کردن انجام شده است . در مرحله استخراج مشخصه ها چهار نوع بردار مشخصه براساس روش rpct از هر کاراکتر استخراج می شود. سیستم پیشنهادی از دو قسمت تشکیل شده است . برای هر کاراکتر در مرحله آموزش چند مدل مارکف متناظر با بردارهای مشخصه مختلف ساخته می شود. در مرحله بازشناسی، نتیجه تشخیص هر کدام از طبقه بندی کننده ها جهت تشکیل نتیجه نهایی بازشناسی با یکدیگر ترکیب می شوند. روشهای ترکیب متفاوتی در این پایان نامه ارائه شده است که با توجه به این نتایج می توان بهترین روش را انتخاب کرد. آزمایشهای انجام شده در این پایان نامه منجر به دستیابی به نرخ بازشناسی 93 درصد برای داده های آموزش و 71درصد برای داده های آزمایش شده است .