{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK212",
        "title": "بازشناسی قلم‌های فارسی با استفاده از ماشین بردار پشتیبان",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1391",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK212",
        "title": "بازشناسی قلم‌های فارسی با استفاده از ماشین بردار پشتیبان",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1391,
        "authors": [
            {
                "name": "احسان مرتضوی صنوبری",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "محمد حسین خسروی",
                "role": "استاد راهنما"
            },
            {
                "name": "امیدرضا معروضی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "استخراج ویژگی",
            "بازشناسی قلم‌",
            "شبکه عصبی چندلایه",
            "شناسایی الگو",
            "فارسی",
            "ماشین بردار پشتیبان",
            "SRW."
        ],
        "abstract": "هدف از این پژوهش،  بررسی عمل بازشناسی قلم به منظور تشخیص قلم از روی تصاویر اسکن شده از سند‌ها می‌باشد. بازشناسی قلم یکی از بخشهای مهمِ سامانه OCR  است و هدف از بازشناسی قلم تعیین نوع قلم استفاده شده در متن تایپی است. در این پایان‌نامه با ترکیب ویژگی‌های مختلف و استفاده از طبقه‌بند SVM  سعی داریم نتایج بازشناسی قلم را بهبود ببخشیم.\r\nدر این پژوهش از روش‌های فیلتر گابور، تبدیل موجک، فرکتال چندبُعدی وSRF  که یک روش مبتنی بر گرادیان می‌باشد، برای استخراج ویژگی استفاده و با یکدیگر مقایسه می‌شوند. روش SRF ترکیبی از دو نقاب سوبل و روبرتز می‌باشد و از اطلاعات دامنه و فاز برای استخراج ویژگی استفاده می‌کند. همچنین در این روش ویژگی‌ها به خوبی در جهت‌های مختلف استخراج می‌‌شوند. در استخراج ویژگی به روش  موجک، از موجک‌های مادر متفاوتی از جمله Db1 و Symlet استفاده و با یکدیگر مقایسه شده‌اند. روش استخراج ویژگی بعدی مبتنی بر فرکتال است، فرکتال یک روش مفید برای تعیین پیچیدگی‌های تصاویر است و از روش‌های گوناگونی از جمله شمارنده جعبه‌ها و گسترش برای محاسبه بعُد فرکتال در این پژوهش استفاده کرده‌ایم. یکی دیگر از روش‌های استفاده شده برای استخراج ویژگی فیلتر گابور است که در گذشته به کرات مورد استفاده قرار گرفته است. عیب اصلی فیلتر گابور محاسبات فراوان و زمان‌بر آن است در صورتی که روش‌های دیگر، دارای حجم محاسبات به مراتب کمتری بوده و بسیار سریعتر از فیلتر گابور برای استخراج ویژگی از بافت عمل می‌کنند. \r\nپس از اینکه ویژگی‌ها با استفاده از روش‌های مختلف استخراج شدند به وسیله طبقه‌بندهای SVM و        MLP  قلم‌ها بازشناسی شده و نتایج حاصل از این دو طبقه‌بند با یکدیگر مقایسه می‌شوند. در بین ویژگی‌های مورد بررسی SRF و موجک، سرعت خوبی را داشته و نتایج بهتری را هم ارائه می‌دهند، از طرف دیگر این دو ویژگی تفاوت‌های زیادی در نحوه استخراج دارند لذا خطاهای ناشی از این دو ویژگی همبستگی کمی خواهند داشت. با توجه به این موضوع ما این دو ویژگی را با یکدیگر ترکیب کردیم که نتایج آن نسبت به هر دو ویژگی بهبود قابل توجهی یافته است. میانگین نرخ بازشناسی برای روش  RSW و با استفاده از طبقه‌بند SVM برابر با 95.58% درصد است که 2.14 درصد از روش SRF و حدود 11.25درصد از تبدیل موجک بهتر می‌باشد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK212.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}