Arabic (Indian) Handwritten Digits Recognition Using Multi feature and KNN Classifier
| Main Author: | Abdul Hassan, Alia Karim |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
University of Babylon
, 2018
|
| Subjects: | |
| Online Access: |
https://www.journalofbabylon.com/index.php/JUBPAS/article/view/679 https://www.journalofbabylon.com/index.php/JUBPAS/article/view/679/491 |
Daftar Isi:
- تقدم هذه الورقة نظام التعرف على أرقام مكتوبة بخط اليد العربية على أساس الجمع بين أساليب الاستخراج متعددة المزايا، مثل الملف الجانبي العلوي، ورأسية _ الإسقاط الأفقي وتحويل جيب التمام منفصلة مع الانحراف المعياري. يتم استخراج هذه الميزات من الصورة بعد تقسيمها الى عدة كتل. المصنف KNN يستخدم لغرض التصنيف. يتم اختبار هذا العمل مع قاعدة بيانات ADBase القياسية (الأرقام العربية)، والتي تتكون من 70,000 أرقام تم كتابتها من قبل 700 شخص مختلف. في النظام المقترح يستخدم 60000 صورة رقم لمرحلة التدريب و 10000 صورة رقم في مرحلة الاختبار. حقق هذا العمل دقة تعرف على الارقام مقدارها 97.32٪.
- This paper presents an Arabic (Indian) handwritten digit recognition system based on combining multi feature extraction methods, such a upper_lower profile, Vertical _ Horizontal projection and Discrete Cosine Transform (DCT) with Standard Deviation σi called (DCT_SD) methods. These features are extracted from the image after dividing it by several blocks. KNN classifier used for classification purpose. This work is tested with the ADBase standard database (Arabic numerals), which consist of 70,000 digits were 700 different writers write it. In proposing system used 60000 digits, images for training phase and 10000 digits, images in testing phase. This work achieved 97.32% recognition Accuracy