Применение вейвлет-преобразования Хаара, метода главных компонент и нейронных сетей для оптического распознавания символов на изображениях в присутствии импульсного шума; Компьютерная оптика; Т. 40, № 2
| Parent link: | Компьютерная оптика: научный журнал/ Институт систем обработки изображений Российской академии наук.— , 1987- Т. 40, № 2.— 2016.— [С. 249-257] |
|---|---|
| Erakunde egilea: | |
| Beste egile batzuk: | , , , |
| Gaia: | Заглавие с экрана В работе предложен новый алгоритм распознавания символов в условиях импульсного шума на основе применения вейвлет-преобразования, метода главных компонент и нейронных сетей. В предлагаемом алгоритме для устранения шума и извлечения признаков из исходного изображения и его отдельных частей с помощью вейвлет-преобразования Хаара выделяются низкочастотные компоненты. Сокращение размерности извлечённых признаков осуществляется методом главных компонент. В качестве классификатора используется многослойная нейронная сеть, на входы которой подаётся сокращённый набор признаков. Одной из ключевых особенностей предлагаемого подхода является создание отдельной нейронной сети для каждого типа символа. Результаты экспериментов показывают, что разработанный алгоритм сравним по точности распознавания с системами ABBYY FineReader и Tesseract в условиях импульсного шума. In this paper we propose a novel algorithm for optical character recognition in the presence of impulse noise by applying a wavelet transform, principal component analysis, and neural networks. In the proposed algorithm, the Haar wavelet transform is used for low frequency components allocation, noise elimination and feature extraction. The principal component analysis is used to reduce the dimension of the extracted features. We use a set of different multi-layer neural networks as classifiers for each character; the inputs are represented by a reduced set of features. One of the key features of the proposed approach is creating a separate neural network for each type of character. The experimental results show that the proposed algorithm can effectively recognize the characters in images in the presence of impulse noise; the results are comparable with ABBYY FineReader and Tesseract OCR. Режим доступа: по договору с организацией-держателем ресурса |
| Hizkuntza: | errusiera |
| Argitaratua: |
2016
|
| Saila: | Обработка изображений, распознавание образов |
| Gaiak: | |
| Sarrera elektronikoa: | http://elibrary.ru/item.asp?id=25995058 http://www.computeroptics.smr.ru/KO/PDF/KO40-2/400216.pdf |
| Formatua: | Baliabide elektronikoa Liburu kapitulua |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=648685 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 648685 | ||
| 005 | 20250224143828.0 | ||
| 035 | |a (RuTPU)RU\TPU\network\13844 | ||
| 090 | |a 648685 | ||
| 100 | |a 20160531d2016 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drcn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Применение вейвлет-преобразования Хаара, метода главных компонент и нейронных сетей для оптического распознавания символов на изображениях в присутствии импульсного шума |d Using a Haar wavelet transform, principal component analysis and neural networks for OCR in the presence of impulse noise |f В. Г. Спицын [и др.] | |
| 203 | |a Текст |c электронный | ||
| 225 | 1 | |a Обработка изображений, распознавание образов | |
| 300 | |a Заглавие с экрана | ||
| 320 | |a [Библиогр.: 20 назв.] | ||
| 330 | |a В работе предложен новый алгоритм распознавания символов в условиях импульсного шума на основе применения вейвлет-преобразования, метода главных компонент и нейронных сетей. В предлагаемом алгоритме для устранения шума и извлечения признаков из исходного изображения и его отдельных частей с помощью вейвлет-преобразования Хаара выделяются низкочастотные компоненты. Сокращение размерности извлечённых признаков осуществляется методом главных компонент. В качестве классификатора используется многослойная нейронная сеть, на входы которой подаётся сокращённый набор признаков. Одной из ключевых особенностей предлагаемого подхода является создание отдельной нейронной сети для каждого типа символа. Результаты экспериментов показывают, что разработанный алгоритм сравним по точности распознавания с системами ABBYY FineReader и Tesseract в условиях импульсного шума. | ||
| 330 | |a In this paper we propose a novel algorithm for optical character recognition in the presence of impulse noise by applying a wavelet transform, principal component analysis, and neural networks. In the proposed algorithm, the Haar wavelet transform is used for low frequency components allocation, noise elimination and feature extraction. The principal component analysis is used to reduce the dimension of the extracted features. We use a set of different multi-layer neural networks as classifiers for each character; the inputs are represented by a reduced set of features. One of the key features of the proposed approach is creating a separate neural network for each type of character. The experimental results show that the proposed algorithm can effectively recognize the characters in images in the presence of impulse noise; the results are comparable with ABBYY FineReader and Tesseract OCR. | ||
| 333 | |a Режим доступа: по договору с организацией-держателем ресурса | ||
| 461 | |t Компьютерная оптика |o научный журнал |f Институт систем обработки изображений Российской академии наук |d 1987- | ||
| 463 | |t Т. 40, № 2 |v [С. 249-257] |d 2016 | ||
| 510 | 1 | |a Using a Haar wavelet transform, principal component analysis and neural networks for OCR in the presence of impulse noise |z eng | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a распознавание | |
| 610 | 1 | |a символы | |
| 610 | 1 | |a вейвлет-преобразования | |
| 610 | 1 | |a метод главных компонент | |
| 610 | 1 | |a нейронные сети | |
| 701 | 1 | |a Спицын |b В. Г. |c специалист в области информатики и вычислительной техники |c профессор Томского политехнического университета, доктор технических наук |f 1948- |g Владимир Григорьевич |3 (RuTPU)RU\TPU\pers\22707 |9 9740 | |
| 701 | 1 | |a Болотова |b Ю. А. |c специалист в области информатики и вычислительной техники |c доцент Томского политехнического университета, кандидат технических наук |f 1986- |g Юлия Александровна |3 (RuTPU)RU\TPU\pers\28632 |9 13448 | |
| 701 | 0 | |a Фан Нгок Хоанг |c вьетнамский специалист в области вычислительной техники |c аспирант Томского политехнического университета |f 1983- |3 (RuTPU)RU\TPU\pers\28645 |9 13461 | |
| 701 | 0 | |a Буй Тхи Тху Чанг |c вьетнамский специалист в области вычислительной техники |c аспирант Томского политехнического университета |f 1984- |3 (RuTPU)RU\TPU\pers\28634 |9 13450 | |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет |b Институт кибернетики |b Кафедра вычислительной техники |3 (RuTPU)RU\TPU\col\18699 |9 27152 |
| 801 | 2 | |a RU |b 63413507 |c 20160531 |g RCR | |
| 856 | 4 | |u http://elibrary.ru/item.asp?id=25995058 | |
| 856 | 4 | 0 | |u http://www.computeroptics.smr.ru/KO/PDF/KO40-2/400216.pdf |
| 942 | |c CF | ||