تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله تشخیص بصری فونت فارسی/ عربی با استفاده از ویژگی های SIFT – نشریه الزویر

عنوان فارسی: تشخیص بصری فونت فارسی/ عربی با استفاده از ویژگی های SIFT
عنوان انگلیسی: Farsi/Arabic Optical Font Recognition Using SIFT Features
تعداد صفحات مقاله انگلیسی : 5 تعداد صفحات ترجمه فارسی : 9 (شامل 1 صفحه رفرنس انگلیسی)
سال انتشار : 2011 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده و pdf
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله : ژورنال شناسه ISSN مجله : 1877-0509
کد محصول : 10023 وضعیت ترجمه : ترجمه شده و آماده دانلود
محتوای فایل : zip حجم فایل : 1.44Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی کامپیوتر، هوش مصنوعی، مهندسی الگوریتم ها و محاسبات
مجله: علوم کامپیوتر پروسدیا - Procedia Computer Science
دانشگاه: دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود، ایران
کلمات کلیدی: تغییر ویژگی ثابت مقیاس (SIFT)، تشخیص بصری فونت (OFR)، تشخیص ماهیت بصری (OCR)
کلمات کلیدی انگلیسی: Scale invariant feature transform (SIFT) - Optical font recognition (OFR) - Optical character recognition (OCR)
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓
بیس: است ✓
مدل مفهومی: دارد ✓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.procs.2010.12.173
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

مقدمه

OFR فارسی / عربی

تغییر ویژگی ثابت مقیاس

الگوریتم مطرح شده

نتایج تجربی

نتیجه گیری و چشم انداز

منابع

نمونه متن انگلیسی

Abstract

Most optical font recognition (OFR) methods have been designed to recognize the font in non-cursive documents. However, the recognition of cursive font scripts like Farsi/Arabic texts has its own challenges. Thus, most of the currently proposed algorithms fail to exhibit an appropriate recognition rate when facing cursive documents. In this paper, a new method for Farsi/Arabic automatic font recognition is proposed which is based on scale invariant feature transform (SIFT) method. As SIFT features are scale-invariant, the final system is robust against variation of size, scale and rotation. The system does not need a pre-processing stage but in the case of low quality images some noise removal processes can be used. Using a database of 1400 text images, an excellent recognition rate of nearly 100% is obtained.

نمونه متن ترجمه

چکیده

بیش تر روش های تشخیص بصری فونت (OFR) برای تشخیص فونت در اسناد غیر شکسته طراحی شده اند. با این حال، تشخیص اسکریپت های فونت شکسته، مانند متن های فارسی / عربی، چالش های خاص خود را دارد. بنابراین، اکثر الگوریتم های ارائه شده، موفق به نمایش یک سرعت تشخیص مناسب در زمان مواجهه با اسناد روان نمی شوند. در این مقاله، یک روش جدید برای تشخیص خودکار فونت فارسی / عربی ارائه شده است که بر اساس روش تبدیل مستقل از مقیاس ویژگی (SIFT) قرار دارد. از آن جا که ویژگی های SIFT ثابت مقیاس هستند، سیستم نهایی در برابر تغییر اندازه، مقیاس و چرخش قوی است. این سیستم به مرحله پیش پردازش نیازی ندارد، اما در مورد تصاویری که کیفیت پایینی دارند، فرآیند های حذف نویز می توانند مورد استفاده قرار گیرند. با استفاده از یک پایگاه داده متشکل از تصویر متنی، سرعت تشخیص عالی تقریبا 100% به دست آمد.