A high performance system for printed Thai character recognition with a stroke structure approach

ระบบการรู้จำตัวพิมพ์อักษรภาษาไทยประสิทธิภาพสูงโดยใช้ลักษณะเส้นในการเขียนตัวอักษร

Name: Orawan Jungthanawong

LCSH: Expert systems (Computer science)

LCSH: Optical character recognition devices

LCSH: Writing -- Data processing

Abstract: งานวิจัยนี้ มีวัตถุประสงค์ ในการพัฒนาระบบ การรู้จำตัวพิพม์ อักษรภาษาไทย ให้มีความ แม่นยำสูง ในการรู้จำ การที่ต้องการระบบที่มีความแม่นยำสูงในการรู้จำ เพื่อสร้างความมั่นใจ ใน การนำผลลัพธ์ไปต่อยอดในระบบงานอื่น เช่น Text to Speech หรือ Machine Translation เป็น ต้น เพื่อทำให้ระบบ มีความแม่นยำในการรู้จำสูง เราต้องหาสาเหตุ ที่ทำให้การรู้จำผิดพลาด เพื่อทำ การแก้ไข ซึ่งพบว่า หนึ่งในสาเหตุหลัก คือ จำนวนตัวอักษรที่เป็นไปได้ ในการรู้จำแต่ละครั้ง มีมาก เกินไป ทำให้ การค้นหาตัวอักษร ใช้เวลามากด้วย ดังนั้น เราได้เสนอ 2 ขั้นตอน สำหรับลดเวลา ใน การค้นหาตัวอักษร ในขั้นตอนแรก ตัวอักษร ที่เป็นพยัญชนะ ตัวเลข และตัวอักขระพิเศษ แบ่ง ออกเป็น 12 กลุ่ม ตามลักษณะความคล้ายคลึงกัน เช่น กลุ่ม ข,ฃ,ช,ซ กลุ่ม บ,ป,ษ เป็นต้น และ ตัวอักษร ที่เป็น วรรณยุกต์ และสระ ถูกแบ่งออกเป็น 8 กลุ่ม เช่น กลุ่ม โ, ไ, ใ กลุ่ม -, -, -, - เป็นต้น และในขั้นตอนที่สอง ตัวอักษรจะถูก แยกแยะ ตามแต่ละกลุ่ม ด้วยลักษณะสำคัญต่างๆ ที่ทำ ให้แต่ละ ตัวอักษรในกลุ่ม แตกต่างกัน ซึ่งทั้ง 2 ขั้นตอน จะทำให้ระบบ มีความแม่นยำในการรู้จำ สูงขึ้น และในการตัดภาพอักษร เราได้ทำการรวมภาพของตัวอักษรที่เป็นสระบนและวรรณยุกต์เป็น ภาพอักษร1ภาพ และนำไปรู้จำโดยถือว่าเป็นตัวอักษร 1 ตัว การทดลองกับ แบบอักษรภาษาไทย Browallia New, Cordia New และFreesiaUPC ขนาด 14, 16 และ18 ในรูปแบบตัวหนาและธรรมดา จำนวนมากกว่า 100,000 ตัวอักษร ได้ Recognition rate เท่ากับ 100% ภายใต้การควบคุม ข้อจำกัดในการทดลอง ซึ่งใช้เวลาโดยเฉลี่ย ในการวิเคราะห์ตัวอักษร 1 ตัวอักษร และ ใช้ image and program storage โดยเฉลี่ย ในการ วิเคราะห์ตัวอักษร 1 หน้า-A4 เท่ากับ 363 ms. และ5755.5 MB. ตามลำดับ

Abstract: In this thesis, a highly accurate recognition system for Thai printed characters is proposed. High recognition accuracy leads to high efficiency in further processing, for example, text to speech or machine translation, etc. To achieve a highly accurate recognition system, the causes of erroneous recognition have to be solved. From the investigation, it was found that one of major causes is that the number of characters to be recognized is too high. The higher the number is, the larger the search space will become. In order to reduce the search space, this thesis proposes a 2-stage process. In the first stage, the characters are grouped into 12 clusters according to the shape, which are consonants, special symbols and Thai digits such as clusters of {ข,ฃ,ช,ซ}, {บ,ป,ษ}, etc. Similarly, 8 clusters of 21 characters which are vowels and tone marks can be categorized, for instance clusters of {โ, ไ, ใ}, { -, -, -, -}, etc. In the second stage, the character is recognized with the domain within each class. At this stage, features distinct within the class and indistinct across the class can be used. Thus, the accuracy is improved. In the segmentation process, characters of an upper-vowel level and a tonal level are combined into a single-character image. The proposed system is tested with 100,000 Thai characters. The type tested fonts were Browallia New, Cordia New and FreesiaUPC .The sizes of the font were 14, 16 and 18. Both normal and bold styled fonts were tested. The proposed system achieved 100% recognition rate in the test under the controlled environment. The average analysis time and the average image and program storage in hard-disk were 363 ms per a character and 5755.5 MB per 1 A4 paper page, respectively.

Mahidol University

Address: NAKHON PATHOM

Email: liwww@mahidol.ac.th

Name: Supachai Tangwongsan

Role: Thesis Advisors

Created: 2007

Modified: 2553-06-18

Issued: 2553-06-12

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: TH O63h 2007

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	4737226.pdf	2.56 MB	67	2026-05-26 18:16:01

ใช้เวลา

-0.550711 วินาที