Arapça El Yazısı Harflerin Örüntü Tanıma Yaklaşımları Kullanılarak Tanınması

dc.contributor.advisor Şengül, Gökhan
dc.contributor.author Douma, Aısha
dc.contributor.other Computer Engineering
dc.date.accessioned 2024-07-07T12:49:16Z
dc.date.available 2024-07-07T12:49:16Z
dc.date.issued 2017
dc.department Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı
dc.description.abstract El yazısı ile yazılmış harflerin otomatik olarak tanınması; ofis otomasyonu, bankacılık ve güvenlik gibi birçok alanda insanlar ve makineler arasındaki etkileşimi geliştirmek için kullanılır ve insanlar tarafından yazılmış dokümanların makine ile kodlanmış hale dönüştürme sürecidir. Bu tezde, Arapca el yazısı karekterlerin tanınması için gri seviyeli eş oluşum matrisleri (GLCM), yerel ikili örüntü (LBP), yapay sinir ağı (ANN) ve odaklı gradient histogram (HOG) olarak adlandırılan ozellik çıkarma ve sınıflandırma yaklaşımları karşılaştırılmıştır. GLCM, LBP ve HOG özellik çıkarımı için kullanılan yöntemler olup çıkarılan özelliklerden sınıflandırma yapmak için K-en yakın komşu (KNN) sınıflandırma yaklaşımı kullanılmıştır. ANN'de ise sinir ağı girdisi için piksel değerlerinin yoğunlukları kullanılmıştır. Her yöntemin sonuçlarını değerlendirmek için karışıklık matrisi (CM) tekniği ve çapraz geçerleme yöntemleri izlenmiştir. Sonuçlar; HOG (odaklı gradient histogram)'un en yüksek doğruluğu verdiği, en az doğruluk performansının ise gri seviyeli eş oluşum matrisleri tarafından elde edildiği gözlemlenmiştir.
dc.description.abstract Handwriting recognition is the process of detecting and converting letters written by humans into machine-encoded forms to improve the interaction between humans and machines in many fields like office automation, banking and business. In this thesis, we apply four recognition methods for Arabic letters recognition, namely gray level co-occurrence matrix (GLCM), local binary pattern recognition (LBP), artificial neural network (ANN) and histogram of oriented gradients (HOG). The three methods, GLCM, LBP and HOG are used for feature extraction. In ANN we use the intensity values of pixels for input of the neural network. For classification the K-Nearest Neighbor (KNN) is used for the LBP, GLCM and HOG. To evaluate the results of each method, Confusion Matrix (CM) technique is used. The results show that HOG have the highest accuracy, while the least accuracy is achieved by GLCM. en
dc.identifier.endpage 72
dc.identifier.startpage 0
dc.identifier.uri https://hdl.handle.net/20.500.14411/5360
dc.identifier.yoktezid 490283
dc.institutionauthor Şengül, Gökhan
dc.language.iso en
dc.subject Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol
dc.subject Computer Engineering and Computer Science and Control en_US
dc.title Arapça El Yazısı Harflerin Örüntü Tanıma Yaklaşımları Kullanılarak Tanınması
dc.title Handwriting Recognition of Arabic Letters Using Pattern Recognition Approaches en_US
dc.type Master Thesis
dspace.entity.type Publication
relation.isAuthorOfPublication f291b4ce-c625-4e8e-b2b7-b8cddbac6c7b
relation.isAuthorOfPublication.latestForDiscovery f291b4ce-c625-4e8e-b2b7-b8cddbac6c7b
relation.isOrgUnitOfPublication e0809e2c-77a7-4f04-9cb0-4bccec9395fa
relation.isOrgUnitOfPublication.latestForDiscovery e0809e2c-77a7-4f04-9cb0-4bccec9395fa

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
490283 Handwriting recognition of.pdf
Size:
1.82 MB
Format:
Adobe Portable Document Format

Collections