Photo Photo Photo Photo Photo Photo

Print
E-mail
Computer Science: Handwritten Recognition using Neural Networks Based on Multiple Feature Extraction Algorithms

 

Handwritten Recognition using Neural Networks Based on Multiple Feature Extraction Algorithms

 

 

Bassim AbdulBaqi*1, Ayad Ghazi Naser2, Maryam Khalaf Kadum1

 1Department, of Computer Engineering and Information Technology, University of Technology, Iraq

2General Directorate of Vocational Education, Ministry of Education, Iraq

 

Abstract

    Handwritten letters are vague in nature as there may not always be sharp perfectly straight lines, and curves not necessarily be clearly, unlike the printed letters. Furthermore, letter can be drawn in different sizes. Therefore, the proposed used of four methods based on two algorithms for feature extraction. The first algorithm discrete wavelet transform and second algorithm is Radon transform, by experiments was found that the feature extraction using radon transform is more precise than wavelet transform. The proposed technique computes Radon projections in different orientations and captures the directional features of letter images. The obtain recognition rate was 93% when used for train artificial neural networks. Comparative between four methods to choose the best has been done. Training method is based on Back-Propagation learning algorithm used by feed forward Neural Network.

Keywords: Feature extraction, Radon transform, Wavelet transform, Neural Networks.

 

تمييز كتابة اليد باستخدام الشبكات العصبية المعتمدة على طرق متعددة

 لاستخلاص الخصائص

 باسم عبد الباقي جمعة 1، اياد غازي ناصر2 ، مريم خلف كاظم1

1 قسم هندسة الحاسوب وتكنولوجيا المعلومات, الجامعة التكنولوجية, بغداد, العراق

2 المديرية العامة للتعليم المهني, وزارة التربية, العراق

 

الخلاصة:

    الحروف المكتوبة باليد تكون مبهمة في الغالب كما قد لا تكون الخطوط مستقيمة تماما"، والمنحنيات لا تكون بالضرورة بشكل واضح، وتختلف بذلك عن  الحروف المطبوعة. علاوة على ذلك، الحرف يمكن ان يرسم بحجوم مختلفة. لذا، هذا البحث اقترحنا استخدام أربعة طرقَ معتمدة على خوارزميتي استخلاص الخصائص. إنّ الخوارزميةَ الأولى هي تحويل الموجات المتقطعة Discrete wavelet transform والخوارزميةَ الثانية هي تحويل رادون Radon transform ومن خلال التجارب وجدت أن استخلاص الخصائص باستخدام تحويل رادون Radon transform هو تحويل أكثر دقة من تحويل المويجات المتقطعة Discrete wavelet transform. التقنية المقترحة حساب تحويل رادون في اتجاهات مختلفة ويلتقط ملامح الاتجاه من الصور الحروف. كان نسبة التمييز هي 93٪عند تدريب الشبكات العصبية  باسخدام تحويل الرادون . تمت المقارنة بين أربعة طرق لاختيار الافضل منها. تم تدريب الشبكات العصبيةِ باستخدام خوارزمية الانتشار العكسي Back-Propagation.


alt

 

S5 Box

Login



Register

*
*
*
*
*

Fields marked with an asterisk (*) are required.