Matematiksel sembollerin tanınmasına yönelik yeni bir algoritma

Abstract

Matematiksel İfadelerin Tanıma (MİT), matematiksel ifadelerin bilimsel yazındaki yaygınlığı nedeniyle önemli bir gerekliliktir. Standart Yazı Tanımanın (SYT) aksine MİT'de simgeler yatay olarak sıralanmazlar ve yakın büyüklükte olmayabilirler. Sonuç olarak, matematiksel ifadelerin tanınması standart yazıya göre çok daha zor olabilir. Bu nedenle günümüzde MİT üzerine yapılan akademik çalışmalar etkin olarak devam etmektedir. Bu tez çalışması, Simge Ayrıştırma, Simge Tanıma ve Yapısal Çözümleme algoritmalarından oluşan İstatiksel Örüntü Tanıma temelli çevrimdışı bir MİT sistemi önermektedir. Ayrıca, Simge Tanıma aşamasının doğruluğunu ve hızını arttırmak için tezde Yetim-Piksel-Oranı/Yerel- Yetim-Piksel-Oranı (YPO/YYPO) olarak isimlendirilen yeni bir istatistiksel nitelik ailesi önermektedir. YPO/YYPO nitelikleri simgeyi oluşturan siyah piksellerin, beyaz pikselleri ne şekilde çevrelediklerine göre tanımlanırlar. Bu tezde YPO/YYPO nitelikleri kullanılarak oluşturulmuş bir nitelik vektörünün, sistemin yabancı simgeleri tanıma başarısını ve tanıma hızını önemli ölçüde artırabileceği diğer yaygın nitelik vektörleri ile karşılaştırılarak incelenecektir. Bu amaçla, YPO/YYPO nitelik vektörü üç farklı sınıflandırma yöntemi (Kstar, MLP, KNN) ile sınıflandırılıp elde edilen sonuçlar tanıma hızı ve doğruluğu açısından diğer iki yaygın nitelik vektörü (3 x 3 Bitmap, dalgacık) ile karşılaştırılacaktır. Önerilen çevrimdışı MİT sistemi Java tabanlı Weka yazılım paketi kullanılarak gerçekleştirilmiştir. Mathematical Expression Recognition (MER) is an important requirement in science because of the prevalence of the mathematical expressions in the science literature. The symbols are not lined up horizantally and their size may not be similar in MER in contrast with Standart Text Recognition (STR). Thus, recogniton of the mathematical expression can be very difficult in comparison with STR. So, academical studies on MER are goes on effectively today. In this thesis, a software system; which is composed of Symbol Segmentation, Symbol Recognition and Spatial Analysis steps; are proposed. Also, A new statistical feature family called Orphan-Pixel-Rate/Local-Orphan-Pixel-Rate (OPR/LOPR) are introduced. OPR/LOPR features are defined by how black pixels of the binary image encloses its white pixels. In this thesis, it will be shown that a feature vector mainly created by using OPR/LOPR can increase significantly the accuracy of recogniton. For that purpose, OPR/LOPR vector will be compared with two other common feature vectors.(3 x 3 Bitmap, wavelet) according to their results of recognition speed and accuracy after its classification with three different method (Kstar, MLP, KNN). This offline MER sistem have been implemented using Weka software packet based on Java.