ويژگيهاي آماري

بازنمايي يك تصوير سند بوسيله توزيع آماري آن ، تا اندازه اي تغييرات نگارشي را مورد توجه قرار مي دهد . گرچه اين روش بازنمايي ، بازسازي تصوير اوليه را امكان پذير نمي سازد ، اما از آن در جهت كاهش ابعاد مجموعه ويژگيها استفاده مي شود كه بدين وسيله سرعت بالاتر و پيچيدگي كمتري حاصل مي گردد . عمده ويژگيهاي آماري مورد استفاده در بازشناسي حروف بشرح زير ميباشند :

الف – ناحيه بندي[1]

در اين روش ، قاب در برگيرنده كاراكتر به چندين ناحيه همپوشان يا غير همپوشان تقسيم ميشود . چگالي نقاط يا ويژگيهايي از نواخي مختلف پس از آناليز بمنظور بازنمايي آن كاراكتر بكار ميروند به عنوان مثال ، ويژگيهاي جهتي كانتور كاراكتر ، جهت كانتور كاراكتر را اندازه گيري مي كند اين ويژگيها با تقسيم آرايه تصوير به نواحي مستطيلي و قطري ، و محاسبه هيستوگرامهاي كدهاي    زنجيره اي[2] در اين نواحي توليد مي گردند . به عنوان مثال ديگر مي توان به ويژگيهاي نقاط خمش[3] اشاره نمود كه نشان دهنده نقاط داراي خميدگي زياد[4]، نقاط انتهايي[5] و نقاط انشعاب[6] مي باشند.

[1] Zoning

[2] Chain codes

[3] Bending points

[4] High curvature

[5] End points

[6] Fork points