การพัฒนาอัลกอริทึมเพื่อการรู้จำตัวเขียนอักษรธรรมอีสานบนใบลาน

Algorithm development for Isan Dhamma handwritten character recognition on palm leaves.

Name: พระมหาปรีชา ค้าคำ

keyword: อักษรธรรมอีสานบนใบลาน

; การสกัดคุณลักษณะ

ThaSH: การรู้จำอักขระ (คอมพิวเตอร์)

ThaSH: ภาษาไทยถิ่นอีสาน -- ตัวอักษร

ThaSH: อัลกอริทึม

Abstract: วิทยานิพนธ์นี้นำเสนอวิธีการพัฒนาอัลกอริทึมเพื่อการรู้จำตัวเขียนอักษรธรรมอีสานบนใบลาน ที่ผ่านมามีงานวิจัยเกี่ยวกับการคัดแยกตัวอักษรและการสกัดคุณลักษณะเพื่อการรู้จำอยู่บ้างแต่จะเน้นไปในทางใดทางหนึ่งเท่านั้น บางงานวิจัยจะเน้นไปที่การคัดแยกตัวอักษรอย่างเดียวไม่มีการรู้จำ บางงานวิจัยก็เน้นการรู้จำไม่ได้เน้นการคัดแยกตัวอักษร ดังนั้นงานวิจัยนี้จึงทำทั้ง 2 วิธี คือการคัดแยกตัวอักษรและการสกัดคุณลักษณะเพื่อการรู้จำด้วยวิธีการต่าง ๆ โดยนำภาพตัวเขียนอักษรธรรมอีสานที่ได้จากการสแกน จำนวน 15 หน้าลาน มาทำการประมวลผลภาพเบื้องต้นก่อน โดยการแปลงภาพสีเป็นภาพระดับเทา แปลงภาพระดับเทาเป็นภาพสองระดับ กำจัดสัญญาณรบกวน ตัดแยกบล็อกตัวอักษร และปรับขนาดให้ได้มาตรฐาน หลังจากนั้นนำภาพตัวอักษรที่ได้มาแบ่งตามประเภทของตัวอักษรออกเป็น 75 กลุ่ม ๆ ละ 100 ภาพ รวมเป็น 7,500 ภาพ เพื่อสกัดคุณลักษณะด้วยวิธี Speed Up Robust Feature (SURF) จัดกลุ่มด้วย K-mean และจำแนกประเภทการรู้จำด้วย Support Vector Machine (SVM) ได้อัตราความถูกต้อง (Accuracy) ร้อยละ 99.45

Abstract: This thesis proposes the algorithm development for Isan Dhamma handwritten character recognition on palm leaves. In past, there were many research works focus only one of character segmentation or feature extraction for recognition. Then this thesis focus on both of segmentation and feature extraction for recognition. This system used fifteen of the Isan Dhamma handwritten Character on Palm Leaves transform to digital by scanning. Then pre-processing with them and convert to gray scale and finally convert them to binary image. Latter step is noise reduction and block on character segmentation. Our system can automatic character standard size for performance in recognition. Thereupon, we clustering the characters 7,500 images into 75 groups with K-mean for feature extraction with Speed Up Robust Feature (SURF). Support Vector Machine (SVM) is used to recognition that show the accuracy rate 99.45%.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: มหศักดิ์ เกตุฉ่ำ

Role: ที่ปรึกษาวิทยานิพนธ์

Email : maoquee@hotmail.com

Created: 2558

Modified: 2559-09-21

Issued: 2559-09-21

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: E-THESIS

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15996207.pdf	7.13 MB	52	2023-12-18 11:16:17

ใช้เวลา

0.019637 วินาที