Thai OCR

Thai OCR

โอซีอาร์ (อังกฤษ: OCR - Optical character recognition) หรือ เครื่องจำอักขระด้วยแสง คือซอฟต์แวร์อย่างหนึ่งที่ออกแบบเพื่อให้แปลความหมายที่ปรากฏในไฟล์รูปภาพ ไปเป็นข้อมูลที่สามารถประมวลผลได้ โดยปกติการนำเข้ารูปภาพเพื่อเข้าสู่กระบวนการแปลสามารถใช้เครื่องสแกนเนอร์หรือกล้องดิจิตัล หรืออุปกรณ์ที่ออกแบบมาเฉพาะทาง โอซีอาร์เริ่มมีขึ้นโดยเป็นโครงการของการตรวจสอบในระบบปัญญาประดิษฐ์และการมองเห็นของเครื่องจักร และมีการวิจัยต่อไปโดยมุ่งประเด็นไปที่การใช้โอซีอาร์เป็นเครื่องมือในการพิสูจน์ เช่น พิสูจน์อักษร ลายมือ ลายนิ้วมือ ใบหน้า ดวงตา เป็นต้น

Optical character recognition หรือที่เรียกกันสั้นๆว่า OCR (โอซีอาร์) : คือ การแปลงไฟล์ภาพเอกสาร ให้เป็นไฟล์ข้อความโดยอัตโนมัติ ทำให้ไม่ต้องเสียเวลาพิมพ์งาน

ประโยชน์ที่ได้รับจากการใช้โปรแกรม OCR
-ประหยัดพื้นที่จัดเก็บข้อมูล เนื่องจากไฟล์ข้อความมีขนาดเล็กกว่าไฟล์ภาพมาก
-สะดวกในการปรับแต่งและแก้ไขเอกสาร เนื่องจากไฟล์ข้อความสามารถปรับแต่งและแก้ไขได้ง่ายกว่าไฟล์ภาพ



ที่มาของข้อมูล:
http://thaiocr.phaisarn.com/ocr.html
http://th.wikipedia.org/wiki/%E0%B9%82%E0%B8%AD%E0%B8%8B%E0%B8%B5%E0%B8%AD%E0%B8%B2%E0%B8%A3%E0%B9%8C

แหล่งข้อมูลอื่น:
http://www.ccs.neu.edu/home/feneric/charrec.html
http://en.wikipedia.org/wiki/Optical_character_recognition
http://www.dontveter.com/basisofai/char.html

การเปรียบเทียบประสิทธิภาพของอัลกอริทึมโครงข่ายประสาทเทียม และการแบ่งกลุ่มข้อมูลด้วยตัวเองในการรู้จำตัวอักษรลายมือเขียนภาษาไทย

โครงงานปริญญานิพนธ์
-การเปรียบเทียบประสิทธิภาพของอัลกอริทึมโครงข่ายประสาทเทียม และการแบ่งกลุ่มข้อมูลด้วยตัวเองในการรู้จำตัวอักษรลายมือเขียนภาษาไทย
-Comparison of Effectiveness Between Artificial Neural Networks (ANN) and Self-Organizing Map (SOM) in Thai Handwritten Character Recognition

อ.ที่ปรึกษา
อ.โอฬาริก สุรินต๊ะ

ผู้จัดทำโครงงาน
นางสาวขนิษฐา รบไพรี
นางสาวขวัญนภา พิมพ์ชารีย์
สาขา CS

ขอบเขตของโครงงาน
1.1 พัฒนาระบบต้นแบบการรู้จำตัวอักษรลายมือเขียนโดย SOM
1.2 ตัวอักษรภาษาไทยที่ใช้ในการรู้จำ คือ
1.2.1 พยัญชนะ ทั้งหมด 44 ตัว
1.2.2 สระ ทั้งหมด 18 ตัว
1.2.3 วรรณยุกต์ ทั้งหมด 4 ตัว
1.3 ตัวเลขอารบิกที่ใช้ในการรู้จำทั้งหมด 10 ตัว (ตั้งแต่ 0 – 9)
1.4 ทดลองกับตัวอักษรภาษาอังกฤษ ทั้งหมด 26 ตัว (ตั้งแต่ a – z)
1.5 สามารถรับข้อมูลที่เป็นภาพสีจากเครื่องสแกน ภาพที่สร้างจากโปรแกรม Photoshop หรือ Paint Brush
1.6 ตัวอักษรที่เขียนสามารถเขียนบนกระดาษสีที่มีค่าสีแตกต่างจากสีหมึก ไม่มีลายเส้น ไม่เขียนเอียง ไม่เขียนตัวติดกัน ไม่มีรูปภาพประกอบ ไม่มีสัญญาณรบกวนในรูปแบบต่างๆ ใช้ปากกาสีเข้มในการเขียน เช่น สีแดง สีดำ สีน้ำเงิน เป็นต้น
1.7 หาคุณลักษณะพิเศษ (Feature Extraction) ได้แก่
1.7.1 การหาตำแหน่งหัวของตัวอักษรในแต่ละโซน
1.7.2 ตำแหน่งของจุดสิ้นสุดของตัวอักษรในแต่ละโซน
1.7.3 Cross Horizontal and Vertical Line
1.7.4 Horizontal and Vertical Scanning
1.7.5 Mark Direction
1.7.6 Chain Code
1.7.7 การหาความหนาแน่นภายในบล็อกตัวอักษร
1.8 นำข้อมูลคุณลักษณะพิเศษของตัวอักษรลายมือเขียนที่ได้จากข้อ 1.7 มาทดสอบประสิทธิภาพของอัลกอริทึม SOM ที่ผู้วิจัยพัฒนาขึ้นเอง
1.9 นำข้อมูลคุณลักษณะพิเศษของตัวอักษรลายมือเขียนที่ได้จากข้อ 1.7 มาทดสอบประสิทธิภาพของ SOM โดยใช้เครื่องมืออื่น ๆ เช่น WEKA และเปรียบเทียบผลลัพธ์ว่าใกล้เคียงกันหรือไม่
1.10 เปรียบเทียบประสิทธิภาพการทำงานของอัลกอริทึม ANN และ SOM ภายใต้ชุดข้อมูลคุณลักษณะพิเศษชุดเดียวกัน
1.11 ประชากรกลุ่มตัวอย่าง 10 คน
1.12 แสดงผลการรู้จำตัวอักษรลายมือเขียนด้วยโปรแกรม Notepad

การรู้จำลายมือเขียนภาษาไทยโดยใช้โครงข่ายประสาทเทียม

ชื่อโครงงานปริญญานิพนธ์: การรู้จำลายมือเขียนภาษาไทยด้วยโครงข่ายประสาทเทียม
Thai Handwritten Character Recognition by Artificial Neural Networks
ชื่อผู้ทำปริญญานิพนธ์: 48011210914 นางสาวกาญจนา เรืองธนานุรักษ์
48011210928 นางสาวณัฐธิดา ลีสม
สาขา CS
อาจารย์ที่ปรึกษาปริญญานิพนธ์: อาจารย์โอฬาริก สุรินต๊ะ

บทคัดย่อ
การรู้จำลายมือเขียนภาษาไทยด้วยโครงข่ายประสาทเทียม ได้เก็บรวบรวมข้อมูลตัวอักษรลายมือเขียนภาษาไทยจำนวนทั้งสิ้น 44,000 ตัวอักษร จากผู้เขียนจำนวน 10 คน เพื่อนำมาเข้าสู่กระบวนการทางการวิจัย ประกอบด้วย การประมวลผลภาพเบื้องต้น การหาคุณลักษณะพิเศษของรูปภาพลายมือเขียนภาษาไทย และการรู้จำด้วยโครงข่ายประสาทเทียมแบบแพร่ย้อยกลับ โดยที่กระบวนการหาคุณลักษณะพิเศษเป็นกระบวนการที่สำคัญ เนื่องจากช่วยเพิ่มประสิทธิภาพในการรู้จำ งานวิจัยฉบับนี้ได้นำเสนอคุณลักษณะพิเศษ 7 วิธีคือ การหาความหนาแน่น การหาจุดสิ้นสุดของตัวอักษร การหาตำแหน่งหัวของตัวอักษร การหารหัสลูกโซ่ การหาเส้นสมมุติในแนวนอนและแนวตั้ง การหาทิศทาง และการสแกนในแนวนอนและแนวตั้ง คุณลักษณะพิเศษทั้ง 7 วิธีที่ใช้กับข้อมูลตัวอักษรลายมือเขียนภาษาไทยในงานวิจัยนี้ประกอบด้วย 240 คุณลักษณะ ส่งผลให้ประสิทธิภาพการรู้จำลายมือเขียนภาษาไทยด้วยโครงข่ายประสาทเทียมร้อยละ 99

คำสำคัญ: การรู้จำรูปแบบ, การรู้จำตัวอักษร, โครงข่ายประสาทเทียม, การตัดแยกตัวอักษร, คุณลักษณะพิเศษของตัวอักษรลายมือเขียนภาษาไทย
　

Abstract
The purpose of the research is to present the Thai Handwritten Character Recognition by Artificial Neural Networks. The 44,000 Thai handwritten characters were collected from 10 writers. The data are then analyses by using pre-processing feature extraction and recognition by back-propagation neural network. However, the feature extraction method is aim to identify the intensity of black pixel, end of character, head of character, chain code, cross horizontal and vertical line, mark direction, and horizontal and vertical scanning. From the feature extraction, it was found that there are 240 features. Seven feature extraction methods provide the efficacy of Thai handwritten recognition. In addition, back-propagation neural network provide the Thai handwritten recognition accuracy of 99%

Keywords: Pattern Recognition, Character Recognition, Artificial Neural Network, Character Segmentation, Feature Extraction


Slide:
Handwritten
Grey Image
Binary Image
Noise Reduction
Segmentation
Thinning
Feature Extraction
ANN

อ.โอฬาริก สุรินต๊ะ

อ.โอฬาริก สุรินต๊ะ (อ.ก้อง)



Tel: 0866361258
msn: mrolarik@hotmail.com
mail: olarik.s@msu.ac.th
web: http://italpha.msu.ac.th/olarik
http://kong2552.blogspot.com/
สังกัด: mis

หัวข้องานวิจัยที่สนใจ
Image Processing
Pattern Recognition
Character Recognition
Artificial Intelligent
Intelligent System
Business Intelligent
Systems Analysis and Design
Database Management

ปฏิทิน ส่วนตัว

Publications
Publications 2008
-Surinta, O. and Chamchong, R., 2008, in IFIP International Federation for Information Processing, Volume 228; Intelligent Information Processing IV; Zhongzhi Shi, E. Mercier-Laurent, D. Leake; ZBoston: Springer), pp. 182-189.

Publications 2007
-ณัฐธิดา ลีสม, โอฬาริก สุรินต๊ะ. "การตัดตัวอักษรลายมือเขียนภาษาไทยออกจากเอกสารภาพเชิงดิจิตอล" การประชุมทางวิชาการ มหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 3, หน้า 123, มหาสารคาม, กันยายน พ.ศ. 2550.
-สุชาติ กัญญาประสิทธิ์, เฉลิมพล ศรีคำ, ภูมิมาส ชุ่มวงศ์จันทร์, จันทิมา พลพินิจ, โอฬาริก สุรินต๊ะ "การสร้างเหมืองข้อมูลเพื่อจัดการระบบบริหารงานลูกค้าสัมพันธ์" การประชุมทางวิชาการ มหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 3, หน้า 125, มหาสารคาม, กันยายน พ.ศ. 2550.
-Olarik Surinta. Patient Record System. Proceeding of The 3rd National Conference on Computing and Information Technology (NCCIT2007). Bangkok, Thailand. 25-26 May 2007.
-Chamchong R, Surinta O, Udom T and Thongchan P. Text Line Segmentation from Palm Leaf Manuscripts. Proceeding of The 3rd National Conference on Computing and Information Technology (NCCIT2007). Bangkok, Thailand. 25-26 May 2007.

Publications 2006
-Olarik Surinta , Chatklaw Jareanpon. Comparison of image analysis for Thai handwritten character recognition. 4th International Conference on Intelligent Information Processing (IIP2006), Adelaide , Australia . 20-23 September 2006.
-Chatklaw Jareanpon, Olarik Surinta. Handwritten Recognition with Neural Network. Proceeding of International Workshop on Advanced Image Technology (IWAIT2006). Okinawa , Japan . 9-10 January 2006.

Publications 2005
-โอฬาริก สุรินต๊ะ, "การประยุกต์ใช้เทคนิคโรบัส ซี โปรโตไท เพื่อการรู้จำลายมือเขียนพยัญชนะไทย" การประชุมทางวิชาการ มหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 1, หน้า 545-552, มหาสารคาม, กันยายน พ.ศ. 2548.
-Olarik Surinta , Supot Nitsuwat. Handwritten Thai Character Recognition Using Fourier Descriptors and Robust C-Prototype. Proceeding of The 1st National Conference on Computing and Information Technology (NCCIT2005). Bangkok , Thailand . 24-25 May 2005.