Проверяемый текст
Терещенко Вадим Владиславович. Разработка и реализация новых принципов автоматического распознавания рукописных документов в компьютерных системах обработки данных (Диссертация 2000)
[стр. 76]

4.
Коррекция Х-образных вершин, распавшихся на две У-образные, соединённые короткой перемычкой.
5.
Разбиение цепей на части в острых углах.
6.
Нормализация наклона изображения относительно своей оси.
Приведение изображения для структурного классификатора Практические исследования показали, что использование алгоритма приведения для структурного классификатора не дает никаких преимуществ, а напротив является даже вредным, потому что приводит к потере информации о дефектах исходного изображения.
В то время как эта информация очень важна и ее следует учитывать при создании структурного эталона.
Поэтому для структурного классификатора приведения изображения не проводится.
3.6 Выводы 1.
Поскольку ни один из существующих подходов к построению классификаторов не является идеальным, была разработана и предложена принципиально новая система распознавания символов, представляющая собой целенаправленную многоуровневую поэтапную комбинацию результатов работы различных классификаторов и использующая полные классификаторы (растровый, признаковый с признаками на растре, признаковый с признаками на векторе, структурный) и парные дифференциальные классификаторы.
2.
Разработанный метод целостного-целенаправленного поэтапного применения классификаторов, существенно превосходит по скорости и надежности существующие распознаватели, при сохранении точности структурного классификатора, и выдает результаты в виде, пригодном для использования современными методами контекстной обработки.
3.
Предложены новые методы построения классификатора, которые базируются на трех фундаментальных принципах принципе целостности, целенаправленности и использования контекста.
76
[стр. 33]

3 Методы решения поставленной задачи 3.1 Содержательная постановка задачи Важный вывод, который следует из анализа предшествующих работ, заключается в том, что никакой из существующих подходов к построению классификатора не является идеальным.
Поэтому для достижения наилучших результатов система распознавания символов должна быть построена как комбинация трех классификаторов: растрового, признакового и структурного.
Растровый классификатор достаточно хорошо изучен и не обладает принципиальными недостатками, препятствующими его использованию.
Исходя из этого можно поставить следующую задачу: Реализовать растровый классификатор, выбрав один из описанных в литературе вариантов, и адаптировать его в соответствии с требованиями решаемой задачи.
Создание признакового классификатора требует решения двух задач выбора системы признаков и выбора решающего правила.
Задача создания решающего правила очень хорошо исследована как с теоретической так и с практической стороны.
Выбор признаков исследован намного хуже, но существует значительное количество экспериментальных работ, описывающих примеры признаков.
С учетом сказанного можно сформулировать следующую задачу: Реализовать признаковый классификатор, выбрав оптимальный набор признаков из описанных в литературе или разработав новые признаки.
В качестве решающего правила выбрать один из описанных в литературе вариантов, адаптировав его в соответствии с требованиями решаемой задачи.
Создание структурного классификатора представляет собой наиболее сложную задачу.
Описанные в литературе структурные классификаторы не отвечают трем фундаментальным принципам построения структурной системы восприятия целостности, целенаправленности и использования контекста, которые применительно к общей задаче распознавания образов впервые были сформулированы в [65], и применительно в задаче распознавания рукописных символов описаны в [66, 67, 68, 69, 70,71].
Согласно принципу целостности, распознаваемый объект рассматривается как целое, состоящее из частей, связанных между собой пространственно-метрическими 33

[Back]