research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Neuro-Snake Pattern Recognition And Classification Using Gradiant Vector Flow (Gvf And Hnn)
طريقة الثعبان العصبي للتميز والتصنيف باستخدام مجري المنحدر الاتجاهي

Author: Wissam Hassan Ali
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2009 Volume: 27 Issue: 5 Pages: 973-982
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

The most popular applications of Hopfield neural network algorithm (HNN) arepattern recognition and classification. But the HNN has some limitation like the localminima (oscillation) problem. In this paper a novel method of combining an activecontour (snake) and an artificial neural network to behave together as pattern recognitionand classification is presented. The approach used the technique of the gradient vectorflow (GVF) that locate the boundary of target pattern (image) then pass it to a classifierbuilt by Hopfield algorithm to classify it according to one of the storage pattern. Thesnakes can find the boundaries of objects so it is very accurate to take the shape of theobject wanted, that will eliminate the noise from the original image and reduce the biterror rate of the Hopfield network to 0.215 and overcome the oscillation state inrecognition of the entered pattern. MATLAB 7 program have been used for thesimulation of the active contour and the pattern classification.

هي تمييز الاشكال وتصنيفه ا ( Hopfield ) اهم تطبيقات الشبكات العصبية وكمثال شبكة الولكن هناك بعض التحديدات المهمة في عمل .(pattern recognition and classification )اي عدم القدرة على تمييز الاشكال (oscillation ) هذا النوع من المصنف وهي مشكلة التذبذباو ( active contour) المتقاربة جدا. في هذا البحث تم ابتكار طريقة تجمع بين الناقلات الفعالةلتعمل كمميز للاشكال ( ANN) والشبكات العصبية الاصطناعية ( snake) ماتسمى بالفي عمل المصنف حيث تقوم ( GVF) وتصنيفها. البحث يستخدم تقنية ناقلات التدفق التدريجيبتحديد دقيق للاطار الخاص بالشكل (الصورة) ثم تمريره الى مصنف مبني على اساس الشبكةليتم تصنيفه نسبة الى احد الاشكال المخزونة سلفا في المصنف . ( HNN) العصبية الاصطناعيةلها القدرة العالية للالتفاف على حدود الشكل المطلوب بدقة عالية لتاخذ شكل ( snake) الثعبانوهذا سيساعد على تقليل ( noise) المقطع المطلوب مع حذف الاضافات الغير مطلوبة من الشكلالى دون 0.215 نسبة الى اكثر من 0.5 في المصنف ( bit error rate) نسبة الخطأ النقطيالاعتيادي وتجنب حالة التذبذب الموجودة في المصنف الخاص بالشبكات العصبية الاصطناعيةوعملية التصنيف ( GVF) لعمل المحاكات للناقلات الفعالة mat lab تم استخدام برنامج 7النهائية للاشكال.

Keywords

GVF --- Neural --- HNN --- Pattern recognition --- image process.


Article
Printed and Handwritten Arabic Characters Recognition and Convert It to Editable Text Using K-NN and Fuzzy Logic Classifiers
تمييز الحروف العربية المكتوبة بخط اليد والحروف المطبوعة آلياً وتحويلها إلى نص قابل للتحرير باستخدام مصنفي الجوار الأقرب والمنطق المضبب

Author: Zamen F. Jaber زمن فاضل جابر
Journal: Univesity of Thi-Qar Journal مجلة جامعة ذي قار العلمية ISSN: 66291818 Year: 2014 Volume: 9 Issue: 1 Pages: 1-16
Publisher: Thi-Qar University جامعة ذي قار

Loading...
Loading...
Abstract

In this paper we suggest an off-line isolated Arabic characters recognition system and this system has an ability to recognize printed and handwritten Arabic character and then convert these characters to printed text by mixed image processing techniques and artificial intelligent system. These techniques used to find rigid features for each Arabic character to distinguish it from another characters in Arabic language. K-Nearest Neighbors (K-NN) classifier was used to classify the printed character and fuzzy logic to classify handwritten Arabic character. Different font of printed character have font type (Arabic transparent, Times New Roman, Arial, simplified Arabic fixed) and font size 14 in order to test the quality of our system, each printed character in Arabic alphabet entered nine times, (6) of them in Arabic transparent font while other (3) is in Times New Roman, Arial, simplified Arabic fixed respectively while each handwritten character enter six times three of them used to training and the remaining (3) are used to testing. So 324 printed character are entered to our system ,the system successes in recognize 301 character form printed characters with recognition ratio is 92.9%.while 216 handwritten Arabic character entered to our system which successes in recognize 208 character of them with recognition ratio is 96.6%. Elapsed time in execute our system to perform recognition process for one character is 0.04 seconds.

في هذا البحث تم اقتراح نظام تمييز ضوئي للحروف العربية المنفصلة وهذا النظام له القدرة على تمييز الحروف المكتوبة بخط اليد والمكتوبة باستخدام الآلة الطابعة حيث يتم تحويل هذه الحروف إلى نص مطبوع قابل للتحرير وذلك باستخدام تقنيات معالجة الصور وأنظمة الذكاء الاصطناعي. وهذه التقنيات استعملت لإيجاد خصائص متينة لكل حرف لتمييزه عن الحروف الأخرى في هذه اللغة. استخدمنا مصنف الجوار الأقرب لتصنيف الحروف المطبوعة آلياً بينما استخدمنا مصنف المنطق المضبب استخدم لتصنيف الحروف المكتوبة بخط اليد. إذ أُدخلت الحروف المطبوعة إلى النظام بخطوط مختلفة (Arabic transparent, Times New Roman, Arial, simplified Arabic fixed) وجميعها بالحجم 14 وذلك لاختبار جودة النظام، كل حرف مطبوع آلياً في الأبجدية العربية أُدخل تسع مرات ست منها بالخط Arabic transparent والثلاث المتبقية كانت بالخطوط Times New Roman, Arial, simplified Arabic fixed على الترتيب، وبذلك نكون قد أدخلنا 324 حرف إلى النظام إذ نجح النظام في تمييز 301 حرف منها وبنسبة تمييز مقدارها 92,9%. بينما تم إدخال 216 حرف مكتوب يدوياً و نجح النظام في التعرف على 208 حرف منها وبنسبة تمييز مقدارها 96,6% .معدل وقت التنفيذ الذي يستغرقه النظام في عملية التمييز للحرف الواحد يقدر بـ 0,04 ثانية.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2014 (1)

2009 (1)