Luận văn thạc sĩ: Nhận dạng chữ viết tay tiếng Việt trên thiết bị cầm tay (ĐH Công nghệ - ĐHQGHN)

Luận văn thạc sĩ: Nghiên cứu nhận dạng chữ viết tay tiếng Việt trên thiết bị cầm tay. Chuyên ngành Công nghệ Thông tin mã số 1 01 10.

• Tác giả: Nguyễn Lê Hùng
• Người hướng dẫn: TS. Bùi Thế Duy
• Trường học: Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nhận dạng chữ viết tay tiếng Việt trên các thiết bị cầm tay
• Loại tài liệu: Luận văn thạc sỹ
• Năm xuất bản: 2007
• Địa điểm: Hà Nội

Mục lục chi tiết

• BẢNG CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC HÌNH VẼ
• 1. CHƯƠNG 1: TỔNG QUAN VỀ HỆ THỐNG NHẬN DẠNG CHỮ VIẾT
• 1.1. Giới thiệu
• 1.2. Lịch sử nhận dạng
• 1.3. Tổng quan về các thiết bị cầm tay
• 1.4. Hệ thống nhận dạng ký tự tự động(ACR)
• 1.4.1. Phận loại hệ thống dựa trên thiết bị thu nhận dữ liệu
• 1.4.2. Phân loại hệ thống dựa vào kiểu văn bản
• 2. CHƯƠNG 2: TIỀN XỬ LÝ
• 2.1. Phát hiện nét bút trễ
• 2.2. Hiệu chỉnh lỗi trong quá trình viết chữ
• 2.2.1. Các lỗi thường gặp trong quá trình viết
• 2.2.2. Các lỗi trong hệ thống nhận dạng chữ viết tay trực tuyến
• 2.2.3. Hiệu chỉnh lỗi viết tay on-line
• 2.3. Thuật toán làm mảnh
• 2.4. Chuẩn hóa kích thước
• 2.5. Nội suy các điểm bị mất
• 2.5.1. Sử dụng đường cong Bezier
• 2.5.2. Thuật toán vẽ đường thẳng Bresenham
• 2.6. Hiệu chỉnh góc nghiêng
• 2.6.1. Hiệu chỉnh góc nghiêng theo phương nằm ngang
• 2.6.2. Hiệu chỉnh góc nghiêng theo phương thẳng đứng
• 3. CHƯƠNG 3. CẮT CHỮ VÀ TRÍCH CHỌN ĐẶC TRƯNG
• 3.1. Cắt từ khỏi dòng văn bản
• 3.1.1. Cắt dựa vào trọng lực
• 3.1.2. Cải tiến các thuật toán cắt từ
• 3.1.3. Biểu diễn các cụm ký tự và dấu
• 3.2. Cắt các ký tự khỏi từ
• 3.2.1. Ước lượng chiều rộng và cao của ký tự
• 3.2.2. Cắt bằng thuật toán mẹo
• 3.2.3. Cắt bằng tập các quy tắc
• 3.2.4. Sử dụng thông tin phụ để tăng độ chính xác
• 3.2.5. Kết hợp cắt từ và nhận dạng
• 3.3. Trích chọn đặc trưng
• 3.3.1. Pen-up/pen-down
• 3.3.2. Lượng tử hóa độ nghiêng
• 3.3.3. Xác định các điểm trội
• 4. CHƯƠNG 4. MỘT SỐ PHƯƠNG PHÁP NHẬN DẠNG
• 4.1. Đối sánh nhị phân
• 4.2. Warping thời gian động
• 4.3. Đối sánh chuỗi
• 4.3.1. Trích chọn chuỗi nét bút liền kề(stroke sequence strings)
• 4.3.2. Đối sánh chuỗi nét bút liền kề
• 4.4. Nhận dạng dựa vào mô hình phân bố điểm(PDM)
• 4.4.1. Căn thẳng hàng tập huấn luyện
• 4.4.2. Phân tích thành phần
• 4.4.3. Nhận dạng sử dụng PDM
• 4.5. Sử dụng Fourier Descriptor(FD)
• 5. CHƯƠNG 5. XÂY DỰNG CHƯƠNG TRÌNH NHẬN DẠNG TIẾNG VIỆT ONLINE
• 5.1. Tìm các điểm bị mất
• 5.2. Tách các dòng văn bản
• 5.3. Tách các từ khỏi dòng văn bản
• 5.4. Bỏ dấu tiếng việt và ước lượng chiều rộng của ký tự
• 5.5. Hiệu chỉnh góc nghiêng
• 5.6. Xác định các điểm cắt tiềm năng
• 5.7. Nhận dạng các ký tự
• TÀI LIỆU THAM KHẢO
• MỞ ĐẦU

Tóm tắt

I. Tổng quan Luận văn Nhận dạng Chữ viết tay Tiếng Việt

Luận văn tập trung vào nhận dạng chữ viết tay tiếng Việt trên các thiết bị cầm tay, một lĩnh vực nghiên cứu quan trọng để cải thiện giao diện người-máy và tự động hóa xử lý tài liệu. Các hệ thống nhận dạng chữ viết tay đã được phát triển trong nhiều năm, nhưng vẫn chưa đạt được độ chính xác hoàn hảo. Luận văn này nghiên cứu các đặc trưng của tiếng Việt, các thuật toán tiền xử lý, cắt chữ, và nhận dạng để xây dựng một hệ thống nhận dạng chữ viết tay tiếng Việt hiệu quả. Đặc biệt, luận văn giải quyết vấn đề tách chữ bằng cách kết hợp thuật toán tách chữ off-line với thông tin động thu được trong quá trình viết chữ online để tăng độ chính xác. Luận văn đi sâu vào giai đoạn tách chữ, một khâu quan trọng trong hệ thống nhận dạng ký tự, và đề xuất một giải pháp kết hợp thông tin offline và online để cải thiện hiệu suất. Nhận dạng mẫu chữ viết tay tiếng Việt là một thách thức lớn. Giai đoạn tách chữ luôn là giai đoạn khó trong việc xây dựng hệ thống nhận dạng ký tự. Tôi giải quyến vấn đề này bằng cách áp dụng thuật toán tách chữ off-line kết hợp với các thông tin động thu được trong quá trình viết chữ online để tăng độ chính xác trong việc tìm các điểm cắt tiềm năng. Các điểm cắt tiềm năng này sẽ được tổ hợp và nhận dạng trong giai đoạn nhận dạng kết hợp với các quy tắc trong giai đoạn hậu xử lý để tìm ra kết quả phù hợp nhất. Luận văn này đóng góp vào sự phát triển của các hệ thống OCR tiếng Việt và cung cấp một nền tảng cho các nghiên cứu tiếp theo trong lĩnh vực này. Việc nghiên cứu nhận dạng chữ viết tay giúp máy móc có thể đọc giống như con người. Trong suốt hơn 40 năm nghiên cứu nhận dạng chữ viết của các nhà khoa học trên toàn thế giới, rất nhiều phương pháp nhận dạng đã được đề xuất nhưng cho đến nay vẫn chưa có một phương pháp nào cho tỉ lệ nhận dạng chính xác hoàn toàn. Ngày nay, các thiết bị hỗ trợ cá nhân (PDA) ngày càng trở nên phổ biến, cung cấp nhiều ứng dụng hữu ích cho người dùng như lịch làm việc, tìm kiếm, soạn thư điện tử v. Các ứng dụng này có thể thu nhận dữ liệu từ bàn phím hoặc qua màn hình cảm ứng.

1.1. Lịch sử Phát triển của Nhận dạng Chữ viết tay OCR

Luận văn điểm qua lịch sử phát triển của các hệ thống OCR tiếng Việt, từ những nỗ lực ban đầu trong việc nhận dạng chữ in đến sự phát triển của các hệ thống nhận dạng chữ viết tay phức tạp hơn. Sự phát triển của công nghệ phần cứng, đặc biệt là máy tính và thiết bị thu thập dữ liệu, đã đóng một vai trò quan trọng trong việc thúc đẩy tiến bộ trong lĩnh vực này. Các hệ thống nhận dạng chữ viết tay đã trải qua ba giai đoạn chính: sơ khai (1900-1980), phát triển (1980-1990), và tiến bộ (từ 1990 đến nay). Các nghiên cứu trước năm 1980 gặp nhiều khó khăn do thiếu các thiết bị máy tính có tốc độ cao và các thiết bị thu nhận dữ liệu. Từ năm 1980 trở đi, với sự bùng nổ của công nghệ thông tin, các thiết bị phần cứng có có tốc độ cao đã giúp cài đặt được các thuật toán có độ phức tạp cao từ thời kỳ trước. Từ năm 1990 đến nay – Thời kỳ tiến bộ. Đây là thời kỳ phát triển mạnh mẽ của lĩnh vực nhận dạng về cả nhận dạng chữ in và nhận dạng chữ viết tay, một phần là do các thiết bị phần cứng phát triển( máy tính có tốc độ cao, các thiết bị thu nhận dữ liệu như máy quét, camara, các thiết bị cảm ứng thu nhận kết quả chính xác hơn), phần còn lại là do có nhiều thuật toán nhận dạng tốt hơn tận dụng được tốt đa các các phương pháp mạng Neural, mô hình Markov ẩn, v.

1.2. Ứng dụng Thực tiễn của Nhận dạng Chữ viết tay Tiếng Việt

Luận văn nhấn mạnh tầm quan trọng của ứng dụng nhận dạng chữ viết tay tiếng Việt trong nhiều lĩnh vực, bao gồm tự động hóa nhập liệu, xử lý văn bản, và hỗ trợ người khuyết tật. Hệ thống nhận dạng chữ viết tay có thể được sử dụng để chuyển đổi tài liệu giấy thành định dạng kỹ thuật số, giúp tiết kiệm thời gian và công sức. Nó cũng có thể được sử dụng để cải thiện khả năng truy cập cho người khuyết tật, cho phép họ tương tác với máy tính bằng cách viết tay. Nhận dạng chữ viết tay được sử dụng rộng rãi để thu thập dữ liệu cho các thiết bị PDA vì các thiết bị PDA thường không có bàn phím. Thiết bị PDA đầu tiên hỗ trợ nhận dạng chữ viết tay là Apple Newton. Tuy nhiên thiết bị này không được thương mại hóa rộng bởi khả năng nhận dạng còn kém. Phiên bản tiếp theo của Apple Newton là Newton OS 2. Trong phiên bản này, độ chính xác đã được cải thiện đáng kể bao gồm cả việc hiệu chỉnh lỗi trong quá trình viết. Các thiết bị ra đời tiếp theo cố gắng tăng độ chính xác trong quá trình nhận dạng, bao gồm: Go‟ tablet computer được sản xuất bởi NCR, IBM sử dụng hệ điều hành Go‟s Penpoint, IBM‟s Thinkpad tablet computer sử dụng hệ điều hành Penpoint và các hệ thống nhận dạng sau đó như Microsoft Windows for Pen và IBM‟s Pen for OS/2.

II. Vấn đề và Thách thức trong Nhận dạng Chữ viết tay

Luận văn xác định một số vấn đề và thách thức chính trong lĩnh vực nhận dạng chữ viết tay tiếng Việt, bao gồm sự biến đổi lớn trong kiểu chữ viết tay, sự phức tạp của ngữ pháp tiếng Việt, và sự thiếu hụt dữ liệu huấn luyện. Sự biến đổi trong kiểu chữ viết tay có thể gây khó khăn cho các thuật toán nhận dạng mẫu chữ viết tay tiếng Việt, vì chúng cần phải có khả năng xử lý nhiều kiểu chữ khác nhau. Ngữ pháp tiếng Việt cũng có thể gây khó khăn, vì nó có thể tạo ra nhiều cách diễn đạt khác nhau cho cùng một ý nghĩa. Sự thiếu hụt dữ liệu huấn luyện cũng là một vấn đề, vì nó có thể làm giảm độ chính xác của các thuật toán học máy nhận dạng chữ viết tay. Trong nhận dạng chữ viết tay, có rất nhiều yếu tố ảnh hưởng tới dữ liệu thu nhận được từ người viết. Người ta chia các yếu tố này thành hai loại. Các yếu tố cảm giác: Liên quan đến vấn đề con người đọc như thế nào, đến khả năng con người có thể nhận ra các đối tượng có hình dáng khác nhau là một đối tượng. Các yếu tố sinh ra đối tượng. Liên quan đến vấn đề các ký tự được viết như thế nào. Trong nhận dạng chữ viết tay, các nét bút thẳng thường là các đường cong, các ký tự có thòng lọng đôi khi là các các đỉnh, các đỉnh đôi khi lại là các thòng lọng nhỏ. Điều này gây ra hiện tượng nhập nhằng trong quá trình nhận dạng. Một số chữ khi viết đỉnh của của ký tự thành thòng lọng nhỏ sẽ thay đổi cấu trúc của ký tự. Một số ký tự khi viết sẽ bao phủ gần hết một ký tự khác. Đối với các trường hợp như thế này, giai đoạn tách ký tự sẽ gặp rất nhiều khó khăn.

2.1. Sự Biến đổi Kiểu Chữ và Ảnh hưởng đến Độ chính xác

Luận văn thảo luận về sự biến đổi trong kiểu chữ viết tay và ảnh hưởng của nó đến độ chính xác của các hệ thống nhận dạng chữ viết tay. Sự biến đổi này có thể là do nhiều yếu tố, bao gồm thói quen viết của mỗi người, tâm trạng, và điều kiện viết. Luận văn đề xuất một số phương pháp để giảm thiểu ảnh hưởng của sự biến đổi này, bao gồm sử dụng các thuật toán học máy mạnh mẽ hơn và thu thập dữ liệu huấn luyện đa dạng hơn. Trong nhận dạng chữ viết tay, có rất nhiều yếu tố ảnh hưởng tới dữ liệu thu nhận được từ người viết. Người ta chia các yếu tố này thành hai loại. Các yếu tố cảm giác: Liên quan đến vấn đề con người đọc như thế nào, đến khả năng con người có thể nhận ra các đối tượng có hình dáng khác nhau là một đối tượng. Các yếu tố sinh ra đối tượng. Liên quan đến vấn đề các ký tự được viết như thế nào.

2.2. Khó khăn trong Tách và Nhận dạng Dấu Tiếng Việt

Luận văn đề cập đến những khó khăn đặc biệt trong việc tách và nhận dạng dấu tiếng Việt. Dấu tiếng Việt có thể nằm ở nhiều vị trí khác nhau trên chữ cái, và chúng có thể bị chồng chéo lên nhau, gây khó khăn cho việc tách. Luận văn đề xuất một số thuật toán xử lý ảnh đặc biệt để giải quyết vấn đề này. Một số chữ khi viết đỉnh của của ký tự thành thòng lọng nhỏ sẽ thay đổi cấu trúc của ký tự. Một số ký tự khi viết sẽ bao phủ gần hết một ký tự khác. Đối với các trường hợp như thế này, giai đoạn tách ký tự sẽ gặp rất nhiều khó khăn. Thuật toán làm mảnh cũng được đề cập đến trong nội dung luận văn.

2.3. Thách thức về Dữ liệu Huấn luyện Chất lượng cao cho AI

Luận văn nhấn mạnh sự cần thiết của dữ liệu huấn luyện chất lượng cao để xây dựng các hệ thống AI nhận dạng chữ viết tay hiệu quả. Dữ liệu huấn luyện cần phải đa dạng, đại diện cho nhiều kiểu chữ viết tay khác nhau, và được gán nhãn chính xác. Luận văn đề xuất một số phương pháp để thu thập và gán nhãn dữ liệu huấn luyện hiệu quả hơn. Dữ liệu được thu thập từ rất nhiều thiết bị thu nhận dữ liệu, thiết bị thu nhận dữ liệu ảnh hưởng nhiều đến việc quyết định thuật toán nhận dạng nào được áp dụng lên hệ thống ACR. Kiểu văn bản củng là nhân tố quan trọng ảnh hưởng đến hệ thống nhận dạng ACR. Có kiểu dữ liệu yêu cầu tiền xử lý rất ít, tuy nhiên có kiểu văn bản yêu cầu phải xử lý nhiều hơn(Tách chữ, v.) trước khi nhận dạng.

III. Phương pháp Tiền xử lý Ảnh cho Nhận dạng Chữ Viết tay

Luận văn trình bày chi tiết các phương pháp tiền xử lý ảnh được sử dụng để cải thiện chất lượng hình ảnh đầu vào cho các thuật toán nhận dạng chữ viết tay. Các phương pháp này bao gồm làm mịn, loại bỏ nhiễu, chuẩn hóa kích thước, và hiệu chỉnh độ nghiêng. Mục tiêu của các phương pháp tiền xử lý là làm cho hình ảnh rõ ràng hơn và dễ nhận dạng hơn cho các thuật toán nhận dạng. Các ký tự khi thu nhận có kích thước khác nhau và số điểm tạo thành ký tự khác nhau và khoảng cách giữa các ký tự cũng khác nhau. Để tăng độ chính xác trong quá trình nhận dạng, các ký tự này phải được biểu diễn bởi các điểm khác sao cho khoảng cách giữa chúng là tương đối bằng nhau. Trước khi lấy mẫu, các ký tự phải có cùng chiều cao với nhau và giữ cùng tỉ lệ với ký tự gốc. Với những ký tự có chiều cao vô cùng nhỏ so với một ký tự thông thường như “.,-“ chúng sẽ không được chuẩn hóa chiều cao.

3.1. Kỹ thuật Làm mịn và Loại bỏ Nhiễu trong Ảnh Chữ Viết

Luận văn mô tả các kỹ thuật làm mịn và loại bỏ nhiễu trong ảnh chữ viết, giúp loại bỏ các điểm ảnh không mong muốn và làm cho hình ảnh rõ ràng hơn. Các kỹ thuật này bao gồm sử dụng các bộ lọc trung bình, bộ lọc Gaussian, và bộ lọc median. Việc làm trơn sẽ làm tăng độ chính xác của kết quả nhận dạng lên khoảng 0.8.

3.2. Chuẩn hóa Kích thước và Căn chỉnh Ký tự Hiệu quả

Luận văn trình bày các phương pháp chuẩn hóa kích thước và căn chỉnh ký tự, giúp đảm bảo rằng tất cả các ký tự đều có kích thước và vị trí tương tự nhau, làm cho việc nhận dạng dễ dàng hơn. Các thao tác như làm trơn chuẩn hóa kích thước v. sẽ được thực hiện dễ dàng và nhanh hơn so vơi ảnh pixels.

3.3. Hướng dẫn Hiệu chỉnh Góc Nghiêng và Độ Xiên của Chữ viết tay

Luận văn cung cấp hướng dẫn chi tiết về cách hiệu chỉnh góc nghiêng và độ xiên của chữ viết tay, giúp đảm bảo rằng các ký tự được căn chỉnh thẳng hàng, cải thiện độ chính xác của mô hình nhận dạng chữ viết tay. Các đường thẳng này được gọi là đường thẳng hiệu chỉnh và ký hiệu là ai(pi). Vấn đề ước lượng góc nghiêng cho các điểm p1, …, pM được quy về tìm hàm mục tiêu: M F(p1,…,pi,…,PM) =  f i ( pi | pi 1 ) Trong đó: fi(pi|pi-1) là hàm ước lượng giá trị của pi khi đã có pi-1.

IV. Cắt Chữ và Trích Chọn Đặc trưng cho Nhận dạng Hiệu quả

Luận văn đi sâu vào các thuật toán cắt chữ và trích chọn đặc trưng, hai bước quan trọng để chuyển đổi hình ảnh chữ viết tay thành dữ liệu có thể sử dụng được cho các thuật toán nhận dạng. Các thuật toán cắt chữ được sử dụng để tách các ký tự riêng lẻ ra khỏi từ, trong khi các thuật toán trích chọn đặc trưng được sử dụng để xác định các đặc điểm quan trọng của mỗi ký tự. Giai đoạn phân mảnh bao gồm các 2 bước, đầu tiên là tách các từ ra khỏi dòng văn bản, sau đó là tách riêng các ký tự ra khỏi từ. Thứ tự các điểm của ký tự được tách sẽ giữ nguyên giống như viết cả từ. Giai đoạn trích chọn đặc trưng sẽ chọn các đặc trưng của ký tự để chuyển sang bước phân loại. Đặc trưng được trích chọn ở bước này có thể gồm nhiều loại phụ thuộc vào thuật toán nhận dạng như điểm trội, mã Free man, hướng di chuyển.

4.1. Thuật toán Cắt Chữ Tiếng Việt Offline và Online

Luận văn so sánh và đối chiếu các thuật toán cắt chữ offline và online, thảo luận về ưu và nhược điểm của mỗi phương pháp. Các thuật toán offline thường dựa trên việc phân tích hình ảnh, trong khi các thuật toán online sử dụng thông tin động thu thập được trong quá trình viết chữ. Khi các tài liệu được in trên giấy có chất lượng cao và thiết bị thu nhận dữ liệu tốt. Các hệ thống nhận dạng hiện tại có thể nhận dạng với độ chính xác lên tới 99%, tuy nhiên với các hệ thống nhận dạng chữ viết tay, kết quả nhận dạng đang còn hạn chế.

4.2. Kỹ thuật Trích Chọn Đặc trưng Phổ biến Pen up Pen down

Luận văn mô tả một số kỹ thuật trích chọn đặc trưng phổ biến, bao gồm Pen-up/pen-down, lượng tử hóa độ nghiêng, và xác định các điểm trội. Mỗi kỹ thuật này có thể được sử dụng để xác định các đặc điểm khác nhau của ký tự, và chúng có thể được kết hợp để tạo ra một bộ đặc trưng mạnh mẽ hơn. Lượng tử hóa độ nghiêng. Xác định các điểm trội. Đối với dạng thứ nhất, việc tách các ký đơn giản và cho kết quả nhận dạng cao. Đối với dạng này, vì khoảng các giữa các ký tự là như nhau nên sau khi nhận dạng ta phải xác định xem các ký tự nào thuộc cùng một từ.

4.3. Tối ưu hóa Đặc trưng cho Nhận dạng Chữ viết tay Tiếng Việt

Luận văn thảo luận về cách tối ưu hóa các đặc trưng cho nhận dạng chữ viết tay tiếng Việt, bằng cách chọn các đặc trưng có liên quan nhất và giảm thiểu sự trùng lặp. Luận văn đề xuất một số phương pháp để lựa chọn đặc trưng tự động, giúp giảm thiểu công sức cần thiết để xây dựng một hệ thống nhận dạng hiệu quả. Đặc trưng được trích chọn ở bước này có thể gồm nhiều loại phụ thuộc vào thuật toán nhận dạng như điểm trội, mã Free man, hướng di chuyển.

V. Ứng dụng Mạng nơ ron tích chập CNN cho Nhận dạng Chữ

Luận văn khám phá việc sử dụng mạng nơ-ron tích chập (CNN), một kỹ thuật deep learning nhận dạng chữ viết tay mạnh mẽ, để nhận dạng chữ viết tay tiếng Việt. CNN có khả năng học các đặc trưng phức tạp từ dữ liệu hình ảnh, giúp cải thiện độ chính xác của các hệ thống nhận dạng. Luận văn trình bày chi tiết cách xây dựng và huấn luyện một mạng CNN cho nhiệm vụ nhận dạng chữ viết tay tiếng Việt, và so sánh hiệu suất của nó với các thuật toán truyền thống. Thuật toán Warping thời gian động. Đối sánh chuỗi. Nhận dạng dựa vào mô hình phân bố điểm(PDM). Sử dụng Fourier Descriptor(FD).

5.1. Xây dựng và Huấn luyện Mạng CNN Hiệu quả cao

Luận văn cung cấp hướng dẫn chi tiết về cách xây dựng và huấn luyện một mạng CNN cho nhiệm vụ nhận dạng chữ viết tay tiếng Việt. Hướng dẫn này bao gồm các bước lựa chọn kiến trúc mạng, chuẩn bị dữ liệu huấn luyện, và tinh chỉnh các tham số. Luận văn cũng thảo luận về các kỹ thuật để tránh overfitting và cải thiện khả năng tổng quát hóa của mô hình. Ta sẽ tìm các điểm bị mất bằng đường cong Bezier(Xem phần trên), ngược lại ta sẽ tìm các điểm bị mất bằng thuật toán vẽ đường thằng Bresenham.

5.2. Tối ưu hóa Kiến trúc Mạng cho Tiếng Việt Convolutional Layers

Luận văn thảo luận về cách tối ưu hóa kiến trúc mạng CNN cho tiếng Việt, bằng cách điều chỉnh số lượng lớp tích chập, kích thước bộ lọc, và các tham số khác. Luận văn đề xuất một số kiến trúc mạng mới có thể cải thiện hiệu suất của nhận dạng chữ viết tay tiếng Việt.

5.3. So sánh Hiệu suất CNN với các Phương pháp Nhận dạng Truyền thống

Luận văn so sánh hiệu suất của CNN với các thuật toán nhận dạng truyền thống, chẳng hạn như mô hình Markov ẩn (HMM) và mạng nơ-ron nhân tạo (ANN). Kết quả cho thấy rằng CNN có thể đạt được độ chính xác cao hơn đáng kể so với các thuật toán truyền thống, đặc biệt là khi có sẵn một lượng lớn dữ liệu huấn luyện. Tuy nhiên với các hệ thống nhận dạng chữ viết tay, kết quả nhận dạng đang còn hạn chế.

VI. Kết luận và Hướng Phát triển Nhận dạng Chữ Viết Tay

Luận văn kết luận bằng cách tóm tắt những đóng góp chính của nghiên cứu và đề xuất một số hướng phát triển trong tương lai. Các hướng phát triển này bao gồm cải thiện độ chính xác của các thuật toán nhận dạng, mở rộng phạm vi ứng dụng, và phát triển các hệ thống nhận dạng chữ viết tay có khả năng hoạt động trong các điều kiện khó khăn hơn. Luận văn này đóng góp vào sự phát triển của các hệ thống OCR tiếng Việt và cung cấp một nền tảng cho các nghiên cứu tiếp theo trong lĩnh vực này. Việc nghiên cứu nhận dạng chữ viết tay giúp máy móc có thể đọc giống như con người. Trong suốt hơn 40 năm nghiên cứu nhận dạng chữ viết của các nhà khoa học trên toàn thế giới, rất nhiều phương pháp nhận dạng đã được đề xuất nhưng cho đến nay vẫn chưa có một phương pháp nào cho tỉ lệ nhận dạng chính xác hoàn toàn.

6.1. Tổng kết Đóng góp của Luận văn và Nghiên cứu

Luận văn tóm tắt những đóng góp chính của nghiên cứu, bao gồm đề xuất các thuật toán tiền xử lý ảnh mới, phát triển một kiến trúc CNN tối ưu hóa cho tiếng Việt, và so sánh hiệu suất của các thuật toán nhận dạng khác nhau.Luận văn giải quyến vấn đề này bằng cách áp dụng thuật toán tách chữ off-line kết hợp với các thông tin động thu được trong quá trình viết chữ online để tăng độ chính xác trong việc tìm các điểm cắt tiềm năng.

6.2. Đề xuất Hướng Nghiên cứu và Phát triển Tương lai

Luận văn đề xuất một số hướng nghiên cứu và phát triển trong tương lai, bao gồm cải thiện độ chính xác của các thuật toán nhận dạng, mở rộng phạm vi ứng dụng, và phát triển các hệ thống nhận dạng chữ viết tay có khả năng hoạt động trong các điều kiện khó khăn hơn.Luận văn này đóng góp vào sự phát triển của các hệ thống OCR tiếng Việt và cung cấp một nền tảng cho các nghiên cứu tiếp theo trong lĩnh vực này.

6.3. Ứng dụng Thực tế và Tác động của Công nghệ Nhận dạng

Luận văn thảo luận về các ứng dụng thực tế và tác động của công nghệ nhận dạng chữ viết tay, bao gồm tự động hóa nhập liệu, xử lý văn bản, và hỗ trợ người khuyết tật. Luận văn nhấn mạnh tầm quan trọng của công nghệ này trong việc cải thiện năng suất và khả năng truy cập. Việc nghiên cứu nhận dạng chữ viết tay giúp máy móc có thể đọc giống như con người.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về hệ thống nhận dạng Chương này trình bầy một số khái niệm liên quan đến nhận dạng. Các cách để phân loại một hệ thống nhận dạng. Chương 2: Tiền xử lý Trình bày một số thuật toán được sử dụng trong giai đoạn tiền xử lý bao gồm hiệu chỉnh lỗi viết tay, nội suy các điểm đã mất, hiệu chỉnh góc nghiêng và một số vấn đề liên quan khác. Chương 3: Cắt chữ và trích chọn đặc trưng Trình bày một số thuật toán được dùng để cắt chữ off-line bao gồm cắt từ khỏi dòng văn bản, cắt ký tự, cách kết hợp giữa cắt chữ và nhận dạng để tăng độ chính xác.

Chương này cũng trình bày một số cách trích chọn đặc trưng để dùng trong giai đoạn nhận dạng. Chương 4: Một số phương pháp nhận dạng Trình bầy một số phương pháp nhận dạng, cách phương pháp này chủ yếu dựa trên các điểm thu nhận được trong quá trình viết. 9 TIEU LUAN MOI download : [e-mail] Chương 5: Xây dựng chương trình nhận dạng chữ viết tay tiếng Việt on-line Trình bầy đánh giá về các thuật toán được sử dụng trong chương trình Demo kèm theo một số kết quả cài đặt. 10 TIEU LUAN MOI download : [e-mail] CHƢƠNG 1.

TỔNG QUAN VỀ HỆ THỐNG NHẬN DẠNG CHỮ VIẾT 1. Giới thiệu Thông thường một hệ thống nhận dạng chữ viết được thực hiện qua các bước sau[11]: Tiền xử lý Phân mảnh Trích chọn đặc trưng Phân loại Gắn nhãn Tìm kiếm Hậu xử lý Ngôn ngữ mô hình Hình 1. Mô hình nhận dạng chữ viết tay trực tuyến Giai đoạn tiền xử lý bao gồm các bước hiệu chỉnh dữ liệu vào, làm trơn, hiệu chỉnh góc nghiêng theo chiều ngang hay chiều thẳng đứng, chuẩn hóa kích thước, trích chọn đặc trưng. Giai đoạn phân mảnh bao gồm các 2 bước, đầu tiên là tách các từ ra khỏi dòng văn bản, sau đó là tách riêng các ký tự ra khỏi từ.

Thứ tự các điểm của ký tự được tách sẽ giữ nguyên giống như viết cả từ. 11 TIEU LUAN MOI download : [e-mail] Giai đoạn trích chọn đặc trưng sẽ chọn các đặc trưng của ký tự để chuyển sang bước phân loại. Đặc trưng được trích chọn ở bước này có thể gồm nhiều loại phụ thuộc vào thuật toán nhận dạng như điểm trội, mã Free man, hướng di chuyển. Ngôn ngữ mô hình giảm thiểu quá trình tìm kiếm.

Ngôn ngữ mô hình gồm một số loại sau:  Mô hình dự đoán: Thường được sử dụng trong nhận dạng âm thanh. Dựa trên bảng thống kê một ký tự thường theo sau một ký tự khác với xác suất bao nhiêu. Mô hình dự đoán chủ yếu được sử dụng kết hợp với phân tích ngữ cảnh và hay được sử dụng trong mô hình Markov ẩn.  Mô hình mẫu: Tất cả mẫu về ký tự sẽ được lưu trữ trong cơ sở dữ liệu.

Mỗi một ký tự có nhiều biến thể khác nhau. Kỹ thuật tìm kiếm sẽ tìm kiếm đường dẫn gần nhất trong tất cả các mẫu của mỗi tự. Một số kỹ thuật tìm kiếm thông dụng là lập trình động, tìm kiếm từ trái qua phải hay tìm kiếm tuần tự. Hậu xử lý bao gồm việc kiểm tra lại lần cuối kết quả nhận dạng trước khi hiển thị kết quả lên màn hình.

Lịch sử nhận dạng Cho đến nay, các hệ thống nhận dạng đã được phát triển từ nhiều năm, nhưng đến những thập kỷ gần đây mới phát triển mạnh mẽ. Người ta chia lịch sử phát triển của các hệ thống nhận dạng làm 3 thời kỳ:[12] Thời ký thứ nhất từ năm 1900 – 1980: Đây là thời kỳ sơ khai. Nhận dạng ký tự được bắt đầu từ những năm 1900 khi các nhà khoa học người Nga nghiên cứu phát triển một hệ thống trợ giúp cho người khuyết tật. Hệ thống nhận dạng đầu tiên xuất hiện vào giữa năm 1940 cùng với sự phát triển của máy vi tính.

Trong thời kỳ này, các hệ thống nhận dạng chủ yếu tập trung vào nhận dạng chữ in hoặc một tập nhỏ các ký tự viết tay. Trong thời kỳ này, các hệ thống 12 TIEU LUAN MOI download : [e-mail] nhận dạng chữ in chủ yếu sử dụng phương pháp đối sánh mẫu, ảnh cần nhận dạng sẽ được đem so sánh với các ảnh trong thư viện ảnh mẫu. Với chữ viết tay, các kỹ thuật xử lý ảnh ở mức thấp được sử dụng để trích chọn các vector đặc trưng sau đó sẽ được phân loại. Các thuật toán nhận dạng chủ yếu tập trung vào các ký tự Latin và số, chỉ có một số ít nghiên cứu tập trung vào nhận dạng các ký tự Japanese, Chinese, Hebrew, Indian, Cyrillic, Greek và các ký tự Arabic.

Các hệ thống nhận dạng thương mại xuất hiện đầu tiên vào những năm 1950 khi các thiết bị điện tử có màn hình cảm ứng thu nhận tọa độ di chuyển của bút cảm ứng xuất hiện. Các thiết bị này đã giúp các nhà nghiên cứu làm việc với các vấn đề liên quan đến chữ viết tay trực tuyến. 1980 –1990 Thời kỳ phát triển: Các nghiên cứu trước năm 1980 gặp nhiều khó khăn do thiếu các thiết bị máy tính có tốc độ cao và các thiết bị thu nhận dữ liệu. Từ năm 1980 trở đi, với sự bùng nổ của công nghệ thông tin, các thiết bị phần cứng có có tốc độ cao đã giúp cài đặt được các thuật toán có độ phức tạp cao từ thời kỳ trước.

Từ năm 1990 đến nay – Thời kỳ tiến bộ. Đây là thời kỳ phát triển mạnh mẽ của lĩnh vực nhận dạng về cả nhận dạng chữ in và nhận dạng chữ viết tay, một phần là do các thiết bị phần cứng phát triển( máy tính có tốc độ cao, các thiết bị thu nhận dữ liệu như máy quét, camara, các thiết bị cảm ứng thu nhận kết quả chính xác hơn), phần còn lại là do có nhiều thuật toán nhận dạng tốt hơn tận dụng được tốt đa các các phương pháp mạng Neural, mô hình Markov ẩn, v. Tổng quan về các thiết bị cầm tay Trong phần này, tôi sẽ đề cập đến các thiết bị hỗ trợ thu nhận chữ viết tay, các đặc trưng cũng như các hệ điều hành thường được dùng trên từng loại thiết bị. Nhận dạng chữ viết tay trực tuyến là việc chuyển tự động các nét bút được viết trên các thiết bị số hóa hoặc PDA thành dạng văn bản.Các bộ cảm ứng của 13 TIEU LUAN MOI download : [e-mail] các thiết bị này sẽ thu thâp các tọa độ di chuyển của bút viết.

Các tính hiệu thu được sẽ được chuyển thành dạng mã ký tự để có thể xử lý được trong các chương trình xử lý văn bản. Các thành phần của một hệ thống nhận dạng chữ viết tay trực tuyến gồm:  Một bút cảm ứng để người viết viết lên màn hình cảm ứng  Một màn hình cảm ứng, nơi người viết viết văn bản và hiển thị kết quả.  Một ứng dụng dịch cử động của người viết thành các ký tự. Nhận dạng chữ viết tay được sử dụng rộng rãi để thu thập dữ liệu cho các thiết bị PDA vì các thiết bị PDA thường không có bàn phím.

Thiết bị PDA đầu tiên hỗ trợ nhận dạng chữ viết tay là Apple Newton. Tuy nhiên thiết bị này không được thương mại hóa rộng bởi khả năng nhận dạng còn kém. Phiên bản tiếp theo của Apple Newton là Newton OS 2. Trong phiên bản này, độ chính xác đã được cải thiện đáng kể bao gồm cả việc hiệu chỉnh lỗi trong quá trình viết.

Các thiết bị ra đời tiếp theo cố gắng tăng độ chính xác trong quá trình nhận dạng, bao gồm: Go‟ tablet computer được sản xuất bởi NCR, IBM sử dụng hệ điều hành Go‟s Penpoint, IBM‟s Thinkpad tablet computer sử dụng hệ điều hành Penpoint và các hệ thống nhận dạng sau đó như Microsoft Windows for Pen và IBM‟s Pen for OS/2. Tuy nhiên chưa có hệ thống nào được thương mại hóa rộng rãi. Mãi đến khi có sự xuất hiện của máy Palm dựa trên hệ thống nhận dạng Graffiti@, hệ thống nhận dạng này dựa trên việc định nghĩa một tập các nét bút cho từng ký tự. Các hệ thống nhận dạng sau đó có độ chính xác cao được tích hợp vào các hệ điều hành như Microsoft‟s version of windows XP operating system for Tablet PCs hoặc Windows Mobile OS for PDAs.

Thiết bị cầm tay PDA(Personal Digital Assistant) là các thiết bị có kích thước nhỏ, có cấu trúc gần giống như máy tính cá nhân. Các thiết bị PDA cung 14 TIEU LUAN MOI download : [e-mail] cấp các công cụ để trợ giúp giải quyết công việc cho cá nhân. Thường gồm các công cụ như Lịch làm việc, Sổ địa chỉ, ghi chú v. Dữ liệu chủ yếu của các thiết bị PDA được thu thập bằng cách viết lên màn hình cảm ứng, hệ thống nhận dạng sẽ nhận dạng các nét bút thành đầu vào văn bản.

Ngoài ra một số thiết bị PDA khác còn cho phép kết nối với bàn phím thông qua cổng hồng ngoại. PDAs gồm hai loại chính là Palm OS PDAs và Microsoft Pocket PC. Thiết bị cầm tay Các phiên bản của Palm Pilots thường hỗ trợ màn hình 320 x 320, Pocket PC thường hỗ trợ độ phân giải thấp nhất là 320 x 480, các thiết bị Pocket PC gần đây hỗ trợ độ phân giải 480 x 640. Các thiết bị có độ phân giải cao sẽ giúp người viết ghi được nhiều từ hơn.

Bộ vi xử lý của các thiết bị cầm tay chủ yếu là Intel Xscale, Taxas Instrucments TI Omap, Samsum. Bảng sau đây chỉ ra hệ điều hành của một số loại thiết bị cầm tay thông dụng trên thị trường. 15 TIEU LUAN MOI download : [e-mail] Tên thiết bị Hệ điều hành Dòng máy iPad của HP Window Mobile Pocket 2003 O2 Xphone SmartPhone Windows 2003 Smartphone Edition Nokia 9500 Symbian OS 7.0S, Series 80 P910i Symbian OS, Series 70 Motorola E680 Linux Handheld 1. Hệ thống nhận dạng ký tự tự động(ACR) Các hệ thống nhận dạng ký tự tự động được phân loại dựa trên hai tiêu chí:  Phân loại dựa trên phương pháp thu nhận dữ liệu  Phân loại dựa trên kiểu văn bản Dữ liệu được thu thập từ rất nhiều thiết bị thu nhận dữ liệu, thiết bị thu nhận dữ liệu ảnh hưởng nhiều đến việc quyết định thuật toán nhận dạng nào được áp dụng lên hệ thống ACR[12].

Kiểu văn bản củng là nhân tố quan trọng ảnh hưởng đến hệ thống nhận dạng ACR. Có kiểu dữ liệu yêu cầu tiền xử lý rất ít, tuy nhiên có kiểu văn bản yêu cầu phải xử lý nhiều hơn(Tách chữ, v.) trước khi nhận dạng. Chi tiết về kiểu văn bản sẽ được thảo luận ở phần sau.1 Phận loại hệ thống dựa trên thiết bị thu nhận dữ liệu Thiết bị thu nhận dữ liệu cho hệ thống ACR rất đa dạng như máy quét, các thiết bị cầm tay, v.