research centers


Search results: Found 4

Listing 1 - 4 of 4
Sort by

Article
Optical Character Recognition Using Active Contour Segmentation
التعرف الصوئي على الحروف والارقام بااستخدام برنامج الماتلاب

Authors: Nabeel Oudah. M نبيل عوده منيخر --- Maher Faik Esmaile ماهرفائق اسماعيل --- Estabraq Abdulredaa استبرق عبد الرضا
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2018 Volume: 24 Issue: 1 Pages: 146-158
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Document analysis of images snapped by camera is a growing challenge. These photos are often poor-quality compound images, composed of various objects and text; this makes automatic analysis complicated. OCR is one of the image processing techniques which is used to perform automatic identification of texts. Existing image processing techniques need to manage many parameters in order to clearly recognize the text in such pictures. Segmentation is regarded one of these essential parameters. This paper discusses the accuracy of segmentation process and its effect over the recognition process. According to the proposed method, the images were firstly filtered using the wiener filter then the active contour algorithm could be applied in the segmentation process. The Tesseract OCR Engine was selected in order to evaluate the performance and identification accuracy of the proposed method. The results showed that a more accurate segmentation process shall lead to a more accurate recognition results. The rate of recognition accuracy was 0.95 for the proposed algorithm compared with 0.85 for the Tesseract OCR Engine.

تحليل الوثائق من الصور الملتقطة بواسطة الكاميرا هي عملية ذات تحديات متزايدة. حيث ان هذه الصور غالبا ما تكون صور مركبة وذات جودة سيئة، تتألف من مختلف الكائنات والنصوص؛ مما يجعل عملية التحليل التلقائي معقدا. التعرف على الحروف البصرية (OCR) هي واحدة من تقنيات معالجة الصور التي لديها القدرة على اجراء عملية التعرف على الحروف والكلمات بصورة اوتوماتيكية. تقنيات معالجة الصور الحالية تحتاج إلى إدارة العديد من العوامل من اجل اجراء عملية التمييز بصورة صحيحة في مثل هذه الصور. وتعتبر عملية تجزئة الصورة (Segmentation) واحدة من هذه العوامل الأساسية المؤثرة. ناقش هذا البحث تاثير دقة عملية التجزئة (Segmentation) للحرف من صورته وتاثيرها على عملية التعرف الالي. وفقا للطريقة المقترحة، تم تصفية الصورة أولا باستخدام فلتر ويينر (Wiener fitler) ومن ثم يمكن تطبيق خوارزمية active contour لأجراء عملية عملية التجزئة. تم اختيار Tesseract OCR Engine من أجل تقييم الأداء وتحديد دقة الطريقة المقترحة. واظهرت النتائج انه كلما كانت عملية التجزئة دقيقة فان نتائج التعرف ستكون أكثر دقة. وكان معدل دقة التمييز للحروف 0.95 للخوارزمية المقترحة مقارنة مع 0.85 لخوارزمية Tesseract OCR Engine.


Article
Improve Pattern Recognition Performance Based on Fractal Geometry Selection

Author: Thamir R. Saeed
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2018 Volume: 26 Issue: 1 Pages: 19-34
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

In n-tuple and Hidden Markov Model(HMM) the recognition has been based on the feature selection. The feature selection in n-tuple depends on the number of tuples and its location. While, in HMM the feature has been related to the states. Where, the suitable features selection lead to optimal recognition. In this paper, a novel approach has presented for n-tuple and Hidden Markov model feature selection by using the Sierpiński fractal technique. The memory size and the recalling time taken to get individual classifier response has been reduced by 29.35% while the recognition is advancing the conventional n-tuple by 12.5% and 11.6% with and without frequency of occurrence respectively. In addition, the improvements noted in the HMMF proposed algorithm is 2.19% in recognition side, while it is 60% in complexity reduction. This approach is found to be robust in the presence of noise, where, the n-tupleF has advanced in recognition by 38.27% the conventional n-tuple algorithms, while HMMF has overperformed the n-tupleF by 14.44%. Simulation results show the maximum recognition is 92.3% for n-tupleF for character recognition, and HMMF is 99.98% for face recognition.

التمييز في طرق ان-صفوف وموديل ماركوف المخفي يبنى على اختيار السمات. والسمات في طريقة ان-صفوف تعتمد على عدد الصفوف وموقعها. بينما في موديل ماركوف المخفي السمات قد ارتبطت بالحالات. حيث ان اختيار السمات المناسبة يؤدي الى افضل تمييز. في هذه الورقة تم تقديم نهجا جديد ل ان-صفوف وموديل ماركوف المخفي لأختيار السمات باستخدام تقنية سيربنسكي الكسورية. حجم الذاكره والوقت المشار اليه الماخوذ لأداء كل مصنف قل بمقدار 29.35% بينما التمييز تقدم عن ان-مصفوف التقليدي ب 12.5% مع تكرار الحدث و 11.6% بدون تكرار الحدث. بالاضافة الى التحسن بموديل ماركوف المخفي المقترح كان بمقدار 2.19% في التمييز بينما قل التعقيد بمقدار 60%. هذا التقرب وجد انه قوي بوجود الضوضاء حيث ان التمييز ل ان-صفوف تقدم عن ان-صفوف التقليدي بمقدار 38.27% بينما تقدم موديل ماركوف المخفي بمقدار 14.44%عن التقليدي. نتائج المحاكاة اضهرت اعلى تمييز كان 92.3% ل ان -صفوف لتمييز الحروف و99.98% لمودي ماركوف المخفي لتمييز الوجوه.


Article
A Combination Approach to Human Face Recognition
طریقة مركبة لتمییز وجھ الانسان

Authors: Kadhim M. Hashim كاظم مھدي ھاشم --- Salam J. Edan سلام جبارعیدان
Journal: Journal of Education for Pure Science مجلة التربية للعلوم الصرفة ISSN: 20736592 Year: 2018 Volume: 8 Issue: 1 Pages: 1-13
Publisher: Thi-Qar University جامعة ذي قار

Loading...
Loading...
Abstract

AbstractIn this paper, we propose a combination approach for face recognition based on combination of twofeatures extractor schemes named Singular Value Decomposition and Gabor filters. Singular valuedecomposition (SVD) is a good method to extract image features because it has invariance for therotation and mirroring transformation, and also has better robustness for noise and light intensitytransform. Gabor filters produce perfect localization features in frequency and spatial domains. Fromtheexperimental results, the suggested approach obtains a good recognition rate. A recognition rateof more than 98% has been achieved on the ORL database.The proposed approach has also beencompared to some existing techniques and the results obtained by the proposed method are far betterthan these techniques.

الخلاصةاقترحنا في ھذا البحث طریقھ مدمجة لتمییز الوجھ بالاعتماد على طریقتین لاستخلاص الممیزات وھي تحلیل القیمة المفردة وموجات غابور. ان تحلیل القیمة المفردة ھیطریقة جیدة لاستخلاص الممیزات من الصورة لانھا تملك ثبات للدوران و التحویلالمنعكس وایضا لھا متانة افضل للضوضاء وتحویل شدة الاضاءة. تنتج مرشحات غابور ممیزات مركزه ودقیقة في المجالین% الحیزي والترددي. من النتائج التجریبیة، فان النھج المقترح یحصل على معدل اعتراف جید ، معدل الاعتراف كان اكثر من 98كما تم مقارنة النھج المقترح مع بعض التقنیات الموجوده فكانت النتائج التي تم الحصول علیھا من .(ORL ) على قاعدة البیاناتخلال النھج المقترح افضل بكثیر من تلك التقنیات.


Article
ANALYSIS AND IMPLEMENTATION OF BRAIN WAVES FEATURE EXTRACTION AND CLASSIFICATION TO CONTROL ROBOTIC HAND
تحليل وتنفيذ و استخراج وتصنيف موجات الدماغ لسيطرة روبوتية اليد

Loading...
Loading...
Abstract

In this paper, feature extraction methods such as time domain, frequency domain and spatial domainwere investigated. Where Mean Absolute Value (MAV), Integrated Absolute Value (IAV), Zero Crossing (ZC), RootMean Square (RMS), Waveform Length (WL) and Slope Sign Change (SSC) are the used time domain features.Autoregressive Feature (AR) is the frequency domain feature and the spatial domain feature is the CommonSpatial Patterns (CSP). Channel selection algorithm was proposed for dimensionality reduction using Matlab code.Results of the above algorithm were compared with Matlab library of Principle Component Analysis (PCA). Theextracted feature vectors were fed into Support Vector Machine with Radial Basis Function kernel (SVM-RBF) totrain the classifier. The pair of algorithms (feature extraction plus dimensionality reduction) that owned the lowestclassification error rate were used to control a Humanoid Robotic Hand (HRH) in offline mode. EEG dataset of twoclasses and three bipolar channels was used. Results showed that CSP features achieved the lowest classificationerror rate for both dimensionality reduction techniques with 2.14%. Results recommends to use (CSP plus channelselection algorithm) over (PCA plus PCA) since the former owned lowest classification processing time of 8.2s over8.5s for the later.

في هذه الورقة، تم استخلاص خاصية كل من مجال الوقت ومجال التردد والمجال المكاني واستقصائها. حيث وجد ان متوسط القيمة المطلقة (MAV)، القيمة المطلقة المتكاملة (IAV)، وقيمة الصفر المتقاطع (ZC)، الجذر متوسط مربع (RMS)، طول الموجي (WL) و علامة المنحدر المتغير (SSC) هي ميزات المجال الزمني المستخدمة. وان ميزة التراجع التلقائي (AR) هي ميزة مجال التردد وميزة المجال المكاني وهي الأنماط المكانية الشائعة (CSP). بالنسبة للقناة الخوارزمية تم اختيارها للحد من الأبعاد باستخدام التعليمات البرمجية Matlab. تمت مقارنة نتائج الخوارزمية المذكورة أعلاه مع مكتبة المعمل الرياضي Matlab لتحليل المكون الرئيسي (PCA). تم تغذية ناقلات المستخرجة في دعم آلة ناقلات مع نواة وظيفة أساس شعاعي (SVM-RBF) من اجل اختبار المصنف. زوج من الخوارزميات (ميزة الاستخراج اضافة إلى الحد من الأبعاد) التي تمتلك أدنى معدل خطأ للتصنيف المستخدمة للتحكم في اليد الروبوتية Humanoid (HRH) في حالة وضع عدم الاتصال. مجموعة بيانات تخطيط كهربية الدماغ تم استخدام اثنين من الطبقات وثلاث قنوات ثنائية القطب. وأظهرت النتائج أن ميزات CSP حققت أدنى تصنيف لمعدل الخطأ لكل من البعدين المختزلين ا على حد سواء مع 2.14٪. توصي النتائج باستخدام (CSP بالإضافة إلى قناة اختيار خوارزمية) على ([بكا] زائد [بكا]) بما أنّ السابقة يملك تصنيف [لوور] معالجة وقت من 8.2s على 8.5s في وقت لاحق.

Listing 1 - 4 of 4
Sort by
Narrow your search

Resource type

article (4)


Language

English (4)


Year
From To Submit

2018 (4)