دودویی سازی مستندات چاپی و اسکن شده به زبان فارسی بر اساس استخراج ویژگی

هدف از این پایان نامه معرفی روشی برای دودویی سازی مستندات چاپی و اسکن شده به زبان فارسی بر اساس ویژگی های آن ها می باشد. این فرآیند باعث کاهش چشمگیر حجم اسناد می شود و یکی از مهمترین مراحل فرآیند پیش پردازش و بهبود کیفیت تصاویر است. فرآیند دودویی سازی بطور کلی نوعی کلاس بندی پیکسل های تصویر بر اساس ویژگی های آن ها می باشد. ورودی این فرآیند برداری از ویژگی های تصویر می باشد که با استخراج مهمترین ویژگی ها و ایجاد تابع ارزیابی بر اساس آن ها، مقدار حد آستانه مناسب جهت کلاس بندی پیکسل ها محاسبه می شود. ویژگی های استخراجی می توانند ویژگی های کلیِ تصویر و یا ویژگی های محلی و یا ترکیبی از هر دو نوع باشند. این پایان نامه سعی دارد تا با استخراج ویژگی های مناسب به دودویی سازی اسناد بپردازد. الگوریتم پیشنهادی ابتدا بر اساس ویژگی های کلی تصویر، آن را بلاک بندی می کند و سپس با استخراج ویژگی های مناسب از هر بلاک به جداسازی بلاک های متنی از بلاک های غیر متنی می پردازد و در پایان بلاک های متنی را بطور جداگانه دودویی می کند. ارزیابی الگوریتم پیشنهادی در سه مرحله انجام گرفته است. مرحله اول ارزیابی عملیات جداسازی بلاک های متنی و غیر متنی می باشد، مرحله دوم ارزیابی شهودی و محاسباتی فرآیند دودویی سازی است و مرحله سوم بررسی پیچیدگی اجرایی الگوریتم پیشنهادی می باشد. براساس نتایج بدست آمده، پاسخِ الگوریتم پیشنهادی به علت استخراج ویژگی های مناسب و استفاده همزمان از خصوصیات کلی و محلی تصویر، در شرایط مختلف همچون نویز و توازن نورِ متغیر، مطلوب می باشد.