Printed Tthai character recognition by genetic algorithm

การรู้จำตัวพิมพ์อักษรไทยด้วยหลักการทางพันธุศาสตร์

Name: Montri Daveloh

LCSH: Optical character recognition devices

LCSH: Genetic algorithms

Abstract: This research applied a genetic algorithm in the pattern of cell automata and through Conway’ s rules of the game of life, to generate a system of printed Thai character recognition. The system consisted of two main parts, namely, recognition training and recognition testing. The printed character images fed to the first part were derived from standard character patterns widely used in a computer currently totalling 72,864 characters. As for the images used for recognition testing, they were captured from a computer screen and stored in BMP pattern, amounting to 1,015 characters. The findings in this research revealed that the database used was of large size and data was transformed from a table frame of 64 x 64 pixels to be stored in the form of bit strings. A table size of 64 x 64 pixels was used to enable a wide variety of distribution patterns of the stable state of each character, making its identity more obvious. This, of course, caused a modification process in each generation till the final generation which took a long time while the database was used to represent the population of the final generation of each character must be large enough for the bit string used to represent these characters. This would enable the system to recognize a character based on its frequency with the largest number of those bit string patterns. Out of 1,015 printed Thai characters tested, it was found that the system could recognize (accept) 986 characters or 97.14%, while rejecting 6 characters or 0.59% and misrecognizing 23 characters or 2.27%. The recognition speed is 85 seconds per character on the average.

Abstract: งานวิจัยนี้ได้นำทฤษฎีทางพันธุกรรมในรูปแบบของ Cell Automata ผ่านกฎของ Conway’s game of life มาใช้เพื่อสร้างระบบรู้จำตัวพิมพ์อักษรไทย โดยระบบที่เสนอนี้ประกอบด้วยสองส่วน หลัก คือ ส่วนของการฝึกการรู้จำ และส่วนของการทดสอบการรู้จำ ซึ่งภาพตัวอักษรพิมพ์ที่ป้อน ให้กับส่วนแรกเป็นจะเป็นภาพที่ได้จากรูปแบบอักษรมาตรฐานในเครื่องคอมพิวเตอร์ที่เป็นที่นิยมใช้ กันในปัจจุบันจำนวน 72,864 ตัวอักษร ส่วนรูปภาพที่นำมาใช้ทดสอบการรู้จำนั้นได้จากรูปภาพที่ได้ จากการจับ (capture) หน้าจอภาพที่เก็บในรูป BMP จำนวน 1,015 ตัวอักษร จากการศึกษาพบว่ารูปแบบที่ใช้ในการจัดเก็บเป็นฐานข้อมูลมีขนาดใหญ่โดยงานวิจัยนี้ได้ แปลงค่าจากตาราง 64 X 64 มาจัดเก็บในรูปแบบ bit string ที่ทั้งนี้การใช้ตารางขนาด 64 X 64 เพื่อ สร้างโอกาสการกระจายรูปแบบของ Generation สุดท้ายของแต่ละตัวอักษรให้มีความหลากหลาย และเป็นเอกลักษณ์ของแต่ละตัวอักษรเด่นชัดขึ้น จึงทำให้กระบวนการในการปรับเปลี่ยนในแต่ละ Generation จนถึง Generation สุดท้ายใช้เวลานาน และฐานข้อมูลที่ใช้เป็นตัวแทนประชากรของ Generation สุดท้ายของตัวอักษรแต่ละตัวต้องมีจำนวนมากพอที่จะทำให้รูปแบบของ bit string นั้น กลายเป็นรูปแบบเด่นของตัวอักษรเหล่านั้น ซึ่งจะทำให้ระบบสามารถทำการแยกแยะตัวอักษรนั้นได้ จากจำนวนความถี่ของตัวอักษรที่เกิดรูปแบบ bit string นั้นมากที่สุด ผลการทดสอบตัวอย่างจำนวน 1,015 ตัวอักษรสามารถได้ผลรู้จำถูกต้อง (Accept) จำนวน 986 ตัวอักษรคิดเป็น 97.14% ปฏิเสธ (Reject) จำนวน 6 ตัวคิดเป็น 0.59% และผิดพลาด (Miss) จำนวน 23 ตัวอักษรคิดเป็น 2.27% โดยมีความเร็วเฉลี่ยของการรู้จำประมาณ 85 วินาทีต่อตัวอักษร

Mahidol University

Address: NAKHON PATHOM

Email: liwww@mahidol.ac.th

Name: Chomtip Pronpanomchai

Role: Thesis Advisors

Created: 2009-07-28

Modified: 2553-06-11

Issued: 2009-07-28

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: TH M812p 2005

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Computer Science

Grantor: Mahidol University

©copyrights Mahidol University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	4337416.pdf	5.68 MB	44	2019-11-12 16:28:12

ใช้เวลา

0.290169 วินาที