СОВЕРШЕНСТВОВАНИЕ АЛГОРИТМА РАСПОЗНАВАНИЯ РУКОПИСНЫХ ТЕКСТОВ НА ОСНОВЕ НОРМИРОВАНИЯ ИЗОБРАЖЕНИЯ

Одним из популярных подходов, применяемых для распознавания рукописного текста, является представление изображений целых слов в виде последовательностей символов марковской цепи. Набор извлекаемых из изображений символов анализируется на предмет соответствия заранее подготовленным моделям слов (модели-шаблоны). Слово, модель которого обладает наибольшей вероятностью формирования анализируемой последовательности, признаётся искомым. Вариативность написания рукописных слов приводит к необходимости анализа извлекаемой из изображения последовательности символов моделями, сформированными для слов, состоящих из разного количества символов. В случае, когда анализируемое слово отличается от слова, используемого для модели-шаблона только окончанием, модель-шаблон более длинного слова получает математическое преимущество над моделью более короткого слова, что приводит к ошибкам распознавания. В статье предлагается для уменьшения ошибок распознавания нормирование изображения

1. Horst Bunke Recognition of Cursive Roman Handwriting - Past, Present and Future // Proceedings of the Seventh International Conference on Document Analysis and Recognition (ICDAR 2003), 2003, Volume 1, pp. 448–459.

2. Norris, D. Shortlist B: A Bayesian Model of Continuous Speech Recognition // Psychological Review, Vol. 115, No. 2, 2008 pp. 357–395.

3. Мозговой А.А. Проблемы применения скрытых марковских моделей при распознавании рукописного текста // В мире научных открытий. 2013. №6. С.186-198.

4. S. Sangeetha Devi, Dr. T. Amitha Invariant and Zernike Based Offline Handwritten Character Recognition // International Journal of Advanced Research in Computer Engineering & Technology (IJARCET) Volume 3 Issue 5, May 2014, pp. 1950-1954.

5. Мозговой, А.А. Методика синтеза словаря для задачи автоматического распознавания рукописных слов // Телекоммуникации. 2014. №5. С.3-4.

6. Louloudis G., Gatos B., Halatsis C. Text Line Detection in Unconstrained Handwritten Documents Using a BlockBased Hough Transform Approach // Document Analysis and Recognition, 2007. ICDAR 2007. Ninth International Conference on, Volume 2. pp. 599-603.

7. Vijay Laxmi Sahu, Babita Kubde Offline Handwritten Character Recognition Techniques using Neural Network: A Review IJSR Volume 2 Issue 1, January 2013 pp. 87-94.