باز ترکیب ویژگیهای حوزه فرکانس و مکان جهت تشخیص ماشینی زبان اشاره

در این مقاله، یک سیستم برای تشخیص حروف الفبای زبان اشاره فارسی ارایه شده است. این سیستم قادر است 32 حالت ساکن دست برای حروف الفبای فارسی را تشخیص داده و آن را به متن فارسی ترجمه کند. به این منظور، تصاویری از حالتهای دست برای هر یک از حروف الفبا در نظر گرفته شده است. پایگاه داده شامل 600 تصویر از افراد مختلف توسط یک دوربین دیجیتالی تهیه شده است. تمامی داده های تصویری را به حوزه دودویی منتقل کرده و اندازه آنها را با یک مقیاس واحد تغییر دادهایم. پیشپردازش داده های تصویری شامل برش تصویر و حذف نویز میباشد. بعد از پیش پردازش، 3 الگوریتم برای استخراج ویژگی ها پیشنهاد می شود. الگوریتمهای پیشنهادی شامل الگوریتم ناحیهبندی تصویر، الگوریتم فواصل میان نقاط کانتور مرزی و مرکز ثقل و تبدیل رادون میباشد. الگوریتم فواصل میان نقاط کانتور مرزی و مرکز ثقل، نحوه قرارگیری نقاط روی منحنی پیرامونی دست نسبت به یکدیگر و نسبت به مرکز ثقل را نشان داده و لذا اطلاعات ساختاری مناسبی را برای توصیف حالتها ارایه می کند. الگوریتم بعدی، مبتنی بر ناحیهبندی تصویر است. در این الگوریتم در هر یک از ناحیه ها نسبت تعداد پیکسلهای سفید بر کل تعداد پیکسلها محاسبه میشود. در تبدیل رادون علاوه بر این که اطلاعات کلی تصویر در هر یک از حالتها را بدست آوردیم، با استفاده از روش پیشنهاد شده و با کنار گذاشتن اطلاعات اضافی در آن، دقت تشخیص را بالا بردهایم.