محمد کمالی - گروه کامپیوتر، هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد، دانشکده ف
جلال الدین ایزدیان - عضو هیات علمی دانشگاه آزاد اسلامی واحد مشهد، دانشکده ریاضی، گروه ریاض
سعید راحتی قوچانی - عضو هیات علمی دانشگاه آزاد اسلامی واحد مشهد، دانشکده فنی و مهندسی، گر
احمدرضا خیرخواه - گروه کامپیوتر، هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد، دانشکده

به علت وجود دستخط های مختلف، بازشناسی حروف دستنویس یک مساله پیچیده است .در این فرآیند ، استخراج ویژگیهای حروف به صورت صحیح، گامی مهم در جهت تشخیص درست حروف خواهد بود . این مقاله یک روش جدید به نام قاب بندی برای استخراج ویژگیها بیان می کند .در این روش یک تصویر باینری از حروف جزء بندی شده به مقدار ثابتی از تصاویر کوچکتر که قاب نامیده می شوند شکسته می شود . از هر جعبه با این روش دو ویژگی استخراج می شود :الف (یک نقطه ثابت برای هر جعبه که فاصله آن تا مبدا جعبه ) گوشه پایین سمت چپ ( برابر میانگین فاصله هر یک از پیکسلهای سیاه تا مبدا است . ب (یک زاویه که اندازه آن برابر میانگین اندازه زاویه های هر یک از پیکسلهای سیاه نسبت به سطح افق است. این دو ویژگی برای هر جعبه استخراج می شود و مجموع این ویژگیها جهت آموزش به یک سیستم فازی وارد می شود . با توجه به اینکه ، در این روش از دو ویژگی فاصله و زاویه به طور مناسب بهره برده شده است دقت بازشناسی حروف بسیار بالا می باشد .و به 99 % می رسد.این روش وابسته به نوع قلم و اندازه حرف ورودی نیست و با یک تغییر کوچک در مرحله پیش پردازش برای هر زبان می تواند کارا باشد.

انتخاب ویژگی، بازشناسی حروف دستنویس ، MLP ، قاب بندی، سیستم فازی