Title:
Offline arabic handwritten word recognition using artificial neural networks / by Ahmad Mahmoud ali al-Sardieh ; supervised by Dr. Mohammad al-bashir. التـــعرف على الكلمــات العربيـه المكتــوبه بخـط اليد بأستخدام الشبكات العصبونية الاصطناعية
التـــعرف على الكلمــات العربيـه المكتــوبه بخـط اليد بأستخدام الشبكات العصبونية الاصطناعية التـــعرف على الكلمــات العربيـه المكتــوبه بخـط اليد بأستخدام الشبكات العصبونية الاصطناعية
Author:
al-Sardieh, Ahmad Mahmoud ali , author.
Al-bashir, Mohammad, supervisor.
Al al-Bayt University (AlMafraq, Jordan). Faculty of Prince Hussein bin Abdullah college for information technology. Department of Computer Science.
General Notes:
Thesis (M.Sc in Computer Science)-- Al -Bayt University (AlMafraq, Jordan), Faculty of Prince hussein bin abdullah college for information technology, Department of Computer Science
, 2019.
Includes bibliographical references and index.
Due to the lack of researches used to recognize the offline handwritten Arabic language compared to other languages, The orientation towards handwriting Arabic language recognition has become an important field, Researchers handled with the written text in two ways, By segmentation the words to characters/tokens namely analytical approach, On the other hand, Word recognition as a whole without segmentation called The holistic approach. This research focuses on a holistic approach.
An Arabic holistic handwritten word recognition system based on Local Binary Pattern (LBP) in the feature extraction phase and Artificial Neural Networks as a classifier for the classification phase was proposed and developed. Our proposed consists of three main phases, preprocessing, feature extraction, and classification. The preprocessing applied to the data such as noise removal, diacritics removal, skeleton, and word image normalization process, After that using the LBP method for texture analysis purposes and as statistical global feature extraction, Then train and test datasets on ANNs classifier for holistic classification.
The proposed system was tested on version 2.0 of the IFN/ENIT database at using different word normalization sizes. The size (160*160) was the best performance in classification accuracy, Thus its achieved classification accuracy results were 99.33% and 93.00% for sets d and e of the IFN/ENIT database respectively. It is achieved a classification accuracy results that were better than benchmarking systems that we compared with. Finally, The results were promising compared with the other Arabic holistic handwritten word recognition systems mentioned in the literature.
نظرا لقلة الأبحاث المستخدمة في التعرف على اللغة العربية المكتوبة بخط اليد في وضع عدم الاتصال مقارنةً باللغات الأخرى ، أصبح الاتجاه نحو التعرف على الكتابة اليدوية باللغة العربية مجالًا مهمًا ، حيث تعامل الباحثون مع النص المكتوب بطريقتين ، بتقسيم الكلمات إلى أحرف / رموز وهي النهج التحليلي ، من ناحية أخرى ، التعرف على الكلمة ككل دون تجزئة تسمى النهج الشامل. يركز هذا البحث على منهج كلي.
تم اقتراح وتطوير نظام التعرف على الكلمات المكتوب بخط اليد باللغة العربية على أساس النمط الثنائي المحلي (LBP) في مرحلة استخراج الميزات والشبكات العصبية الاصطناعية كمصنف لمرحلة التصنيف. يتكون اقتراحنا من ثلاث مراحل رئيسية ، هي المعالجة المسبقة واستخراج المعالم والتصنيف. يتم تطبيق المعالجة المسبقة على البيانات مثل إزالة الضجيج وإزالة علامات التشكيل والهيكل العظمي وعملية تطبيع صورة الكلمة ، وبعد ذلك باستخدام طريقة LBP لأغراض تحليل الملمس وكاستخراج ميزة إحصائية عالمية ، ثم تدريب مجموعات البيانات واختبارها على مصنف ANN للتصنيف الشامل .
تم اختبار النظام المقترح على الإصدار 2.0 من قاعدة بيانات IFN / ENIT باستخدام أحجام مختلفة لتطبيع الكلمات. كان الحجم (160 * 160) هو أفضل أداء في دقة التصنيف ، وبالتالي كانت نتائج دقة التصنيف التي حققتها هي 99.33٪ و 93.00٪ للمجموعات d و e من قاعدة بيانات IFN / ENIT على التوالي. تم تحقيق نتائج دقة التصنيف التي كانت أفضل من أنظمة القياس التي قمنا بمقارنتها. أخيرًا ، كانت النتائج واعدة مقارنةً بالأنظمة العربية الأخرى للتعرف على الكلمات المكتوبة بخط اليد والمذكورة في الأدب.
The electronic version is available in theses database \\ University of Jordan.
Includes abstracts in Arabic and English.
Subject:
Computer science
Neural networks
Word recognition.
Arabic language -- Computer programs
Arabic language -- Writing -- Data processing
Dissertation Note:
Thesis (M.Sc in Computer Science)-- Al -Bayt University (AlMafraq, Jordan), Faculty of Prince hussein bin abdullah college for information technology, Department of Computer Science
, 2019.
Physical Description:
1CD-ROM : PDF.
Publication Date:
2019.
Log in
Help
