Stipri trokšņaina teksta atpazīšana

Abstract

Maģistra darbā tiek detalizēti izklāstīts teksta atpazīšanas problemātikas pētījums. Attīstot darba tēmu, lielāka uzmanība pievērsta tieši tām metodikām un tehnikām, kuras spēj strādāt ar trokšņainiem attēliem. Darbā tiek aplūkoti gan teorētiskie, gan praktiskie jautājumi divām būtiski atšķirīgām atpazīšanas metodēm, viena no kurām balstās uz noteicošās funkcijas konstruēšanas pazīmju telpā atpazīstamiem tēliem, bet otra pamatojas uz sakrišanas mēra definēšanas un divu doto datu kopumu (signāla un parauga) salīdzināšanu. Tiek piedāvāts un precīzi aprakstīts grafiskā teksta segmentācijas algoritms. Atsevišķi tiek aplūkota attēlu telpiskā filtrācija kā palīglīdzeklis trokšņa efekta samazināšanai. Darbā tiek precīzi paskaidrotas dažādas nianses, saistītas ar atpazīšanas sistēmas praktisku realizāciju, iekļaujot labāka krāsu modeļa izvēli, piemērotāka algoritma izvēli attēlu mērogošanai, resursapjomīga algoritma optimizācijas iespējas. Iegūtās teorētiskās zināšanas un praktiskās prasmes tiek izmantotas, realizējot paša teksta atpazīšanas sistēmu. Maģistra darbā tiek izklāstīta precīza salīdzinājuma analīze sistēmas darba rezultātiem pie dažādām konfigurācijām un izvēlētām atpazīšanas metodēm.

Presented master thesis bears topic „Noisy text recognition”. Master thesis in detail highlights research of the text recognition problems. The thesis emphasizes on methods and techniques of working with noisy pictures. This thesis regards both, theoretical and practical matters, to two substantially different text recognition methods. One of those methods is based on construction of decision function for recognizable objects in feature space; the other one is based on defining of the coincident value and comparing of the two given data objects (signal and pattern). Also author particularly outlines the algorithm of recognition of the graphic text and gives an overview on dimensional filtration, which helps to lower the noise effects. Thesis underlines the some aspects of practical implementation of recognition system, introducing the optimal choice of best color model, most efficient algorithms for picture scaling and gives ideas for optimization of resource-intensive algorithm. Obtained theoretical and practical knowledge is used for development of own text recognition system. Thesis practical part involves the comparative analysis of recognition system work results, with different system configurations and recognition methods.