بازنمایی و توصیف شکل زیر-کلمات چاپی فارسی

بر خلاف بیشتر تحقیقات انجام شده در زمینه توصیف شکل کلی کلمات، که به استخراج ویژگی‏های یکسان از تمام کلمات می‏پردازند، در این رساله، هر زیر-کلمه بر اساس خصوصیات شکلی آن توصیف می‏شود. در روش پیشنهادی، ابتدا بخش‏هایی از شکل زیر-کلمه به عنوان مناطق مهم انتخاب می‏شوند و سپس، از این مناطق برای ارائه توصیف مناسب آن زیر-کلمه استفاده می‏شود. مناطق مهم، بخش‏هایی از شکل زیر-کلمه هستند که بین نمونه‏های آن بیشترین شباهت را دارند و در عین حال بیشترین تفاوت را با نمونه‏های سایر زیر-کلمات ایجاد می‏کنند. در این تحقیق، دو روش را برای تعیین این مناطق پیشنهاد می‏کنیم. در روش اول، حروف تشکیل دهنده زیر-کلمات را با استفاده از معیار آنتروپی بررسی کرده و حروف اول هر زیر-کلمه را به عنوان حرف شاخص آن انتخاب می‏کنیم. از این حروف، در ارائه توصیف مناسب زیر-کلمات استفاده می‏شود. در روش دوم، به جای بررسی حروف، مناطق مختلف محلی شکل را، با استفاده از معیارهای سنجش بازیابی، بررسی کرده و مناطق شاخص زیر-کلمات را تعیین می‏کنیم. با استفاده از این مناطق، روش دیگری را، مبتنی بر گراف، برای توصیف شکل زیر-کلمات ارائه می‏کنیم. روش‏های پیشنهادی برای توصیف شکل زیر-کلمات را، در سه سامانه مختلف کاهش اندازه دیکشنری به کار می‏بریم. در هر سه سامانه، روش‏های توصیف سراسری و محلی شکل، به نحوی موثر با هم ترکیب شده‏اند. سامانه‏های پیشنهادی، روی مجموعه‏های مختلفی از تصاویر زیر-کلمات اعمال شده و نتایج بررسی شدند. در اعمال روش‏های پیشنهادی روی یک دیکشنری 6895 عضوی از تصاویر بدنه زیر-کلمات چاپی فارسی، بیشترین میزان کاهش اندازه دیکشنری معادل 83/97% در دقت حدود 100% به دست آمد.