ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA TRAN TIEN HUY NHAN DANG CHU VIET TAY TIENG VIET Chuyên ngành: Kỹ thuật điện tử. Mã số: 7140379 LUẬN VĂN THẠC SĨ TP.HO CHI MINH, thang 7 năm 2018. CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRUONG ĐẠI HOC BACH KHOA —DHQG —HCM Cán bộ hướng dẫn khoa học : TS. Truong Quang Vinh (Ghi rõ họ, tên, học hàm, học vi và chữ ký) Cán bộ chấm nhận xét 1 : TS.
Bùi Trọng Tú (Ghi rõ họ, tên, học hàm, học vi và chữ ký) Cán bộ chấm nhận xét 2 : TS. Nguyễn Minh Sơn (Ghi rõ họ, tên, học hàm, học vi và chữ ký) Luận văn thạc sĩ được bảo vệ tại Trường Dai học Bách Khoa, DHQG Tp. HCM ngày 13 tháng 07 năm 2018 Thanh phan Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học ham, học vi cua Hội đồng cham bảo vệ luận văn thạc sĩ) 1. Chủ tịch: TS.
Lê Chí Thông 2. Trần Hoàng Linh 3. Phản biện |: TS. Phản biện 2: TS.
Ủy viên: PGS. Hoàng Trang Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nêu có). CHỦ TỊCH HỘI ĐÔNG TRƯỞNG KHOA. ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRUONG ĐẠI HOC BACH KHOA Doc lập - Tw do - Hanh phúc NHIEM VU LUẬN VAN THAC SĨ Ho tén hoc vién: Tran Tién Huy MSHV:7140379 Ngày, thang, năm sinh: 27/09/1991 Noi sinh: TP.HCM Chuyên ngành: Kỹ thuật điện tử Mã số : 60520203 I.
TEN DE TÀI: Nhận Dạng Chữ Viết Tay Tiếng Việt Il. NHIỆM VU VA NỘI DUNG: Đưa ra phương pháp nhận dạng chữ viết tay tiếng Việt hoa và thường có dấu và số bang cách áp dụng phương pháp trích đặc trưng HOG và phương pháp máy học KNN nham đưa ra kết quả nhận dạng tối ưu nhất Ill. NGÀY GIAO NHIEM VU: 04/09/2017 IV. NGAY HOAN THANH NHIEM VU: 03/12/2017 V.
CAN BO HUONG DAN: Tiến sĩ Truong Quang Vinh Tp. CAN BO HUONG DAN CHU NHIEM BO MON DAO TAO (Họ tên va chữ ky) (Họ tên và chữ ký) TRUONG KHOA. (Họ tên và chữ ký) LỜI CÁM ƠN Được sự phân công của nhà trường, khoa điện — điện tử va su đồng y của giảng viên hướng dẫn TS. Trương Quang Vinh, em đã thực hiện luận văn thạc sĩ chuyên ngành kỹ thuật điện tử với dé tài “Nhận Dang Chữ Viết Tay Tiếng Việt”.
Qua trang viết này em xin gửi lời cảm ơn tới những người đã giúp đỡ em trong thời gian học tập. nghiên cứu luận văn thời gian qua. Trước hết, em xin được tỏ lòng biết ơn và gửi làm cảm ơn chân thành đến TS. Trương Quang Vinh.
Thây là người đã trực tiếp hướng dẫn và tận tình chỉ bảo trong công việc nghiên cứu, tìm kiếm tài liệu, xử lý và phân tích van dé của luận văn. Nhờ thay mà em có thê hoàn thành luận văn cao học. Ngoài ra, em cũng xin chân thành cảm ơn quý dong nghiệp, gia đình và bạn bè cùng khóa đã luôn động viên và hồ trợ em trong suôt quá trình nghiên cứu và hoàn thành luận văn này. TÁC GIÁ Trân Tiến Huy TOM TAT Nhận dang chữ viết tay là một trong những lĩnh vực nghiên cứu tích cực va day thử thách trong lĩnh vực xử lý hình ảnh và nhận dạng mẫu.
Nó có nhiều ứng dụng bao gôm: đọc trợ giúp cho người mù, ngân phiếu ngân hàng và chuyền đổi bất kỳ tài liệu bang văn bản tay thành dạng cau trúc văn bản hay số hóa. Trong nghiên cứu này, tác giả nỗ lực thực hiện nhận biết ký tự viết tay cho bảng chữ cái tiếng Việt. Mỗi bộ dữ liệu chứa bảng chữ cái 29 ký tự (chữ hoa và chữ thường có dấu). Nhiều bộ dữ liệu ký tự khác nhau được sử dụng để đào tạo và kiểm tra kết quả.
ABSTRACTS Handwriting recognition has been one of the active and challenging research areas in the field of image processing and pattern recognition. It has numerous applications which include, reading aid for blind, bank cheques and conversion of any hand written document into structural text form. In this research, my attempt is made to recognize handwritten characters for Vietnamese alphabets. Each character data set contains 29 alphabets (upper case and lower case with accent).
Many character data sets are used for training and testing. LỜI CAM ĐOAN Tác giả xin cam đoan đây là công trình nghiên cứu của riêng tác giả. Các số liệu, kết qua trong dé tài này là trung thực và chưa công bố dưới bat kỳ hình thức nao trước đây. Tất cả những tham khảo và kế thừa cho việc thực hiện luận văn này đã được cảm ơn và các thông tin trích dẫn trong luận văn đã được chỉ rõ nguồn gốc rõ ràng và được phép công bố.HCM, ngay thang năm 2016 Hoc viên thực hiện Tran Tiến Huy 1.
Giới thiệu về để tài:.cc tt tt nh HH 1g rg 12 1. Mục tiêu, nhiệm vụ và phạm vi Cn ee 13 1. Mục tiêu của dé tis. Nhiệm vụ của để tài:.
ch HH HH h 14 1. Phạm vi của G6 tài:. T6 chitc LUI nh. Tinh hình nghiên cứu trong và ngoài NUGCE.
Tinh hình nghiên cứu trong TƯỚC:.- << EE01011113 101111199 11H HH nh 15 2. Tinh hình nghiên cứu ngoal HƯỚC: .G- ĂG 1x SH TH HH HH kh 16 3. ¿ 5-5: SE SE ExE EE21111 11111111211 7111111111111. -c Ăn HH HT tt re 21 3.5 COMOUL Iadđdđdđdaầdiaaaaaaiaaiíddda.8 _ Bộ thư viện hỗ trỢ.
+ tt tt HH HH gu 26 4. Thiết kết giải thuật(:.2 Luu đồ thực TIĐhlñỆTH:.0 vn nu nọ nọ và 28 4. _ Kết quả (thực nghiỆm:. _ Môi trường thực nghiệm va CONG CỤ: .-- - - G E1 SH TH KH HH kg kh 36 KP NH-‹(diị( ccẢẢảỶsẢ4ỐŸÝÃỶÝỶŸẼŸẼ.4 Hung phát triển của dé tài:.
52 DANH MỤC CÁC CHỮ VIÉT TẮT STT Chữ viết tat Ý nghĩa l HOG Histogram of Oriented Gradients 2 KNN K-Nearest Neighbors 3 HCR Handwriting character recognition 4 USPS United State Postal Service ; MNIST National Institute of Standard and Technology of the United States 6 SVM Support Vector Machine 7 NN Neural Network 8 ME Maximum Entropy 9 GSC Gradient, Structural, and Concavity 10 OWA Ordered Weighted Aggregating DANH MỤC HÌNH Hình 2.1 Giao diện được thử nghiệm của phần mềm (Nguéng[8]) .1 Hình mô ta Median Blur (Nguồn [Í H]).1 Hình mô ta Gaussian Blur (Nguồn [12 ]):.1 Hình mô ta Canny (Ngu6n [13]) .1 Hình mô tả Thresholding (Ngu6n [14†]).----5- + 5s 5s+s+cs>szsee: 21 Hình 3.1 Hình mô ta Contour (Nguồn [1Š Ì-.1 Hình mô tả HOG (Nguồn [ 16 ]). ¿5-5-5252 52 *+es£cecrerrerree 23 Hình 3.1 Hình mô tả cho KNN (Nguồn [Í7])‹.2 Hình mô tả KNN khi tác giả tạo vòng tròn (Ngu6n [17]) .---- - - 2 SE +E+E+EEEEE£E£E#EEEEEEEEEEEEEEErkrkrkrree 27 Hình 4.--- + ¿2E + S2 +E+E£E+E£EEEE£E£EeEeEeErrerkrerree 28 Hình 4.1 Hình mô tả lay mẫu dé huấn luyện ban dau .2 Hình mô tả lay mẫu huấn luyện kiểu khác .3 Hình khi lấy giấy che đi.---- ¿2 52 SE E22 SE E2 2E 29 Hình 4.4 Hình kết quả khi lay giấy che đi.5 Hình kết quả khi lay giấy che đi với Ê.--¿--- + 5s cs+x+cecszsee 30 Hình 4.6 Hình kết quả khi lay giấy che đi với Ð.--- ¿5+ se scxsrrscree 30 Hình 4.7 Hình khi huấn luyện với a.-------¿5©5 2 2ecc+ccecrerreerrseee 31 Hình 4.8 Hình khi huấn luyện với A oeeeececceccceseceseseesssessesesessesesessesesessesssessesesen 31 Hình 4.9 Hình file kết quả sau huấn luyện .10 Hình mẫu cho thực nghiỆm .11 Hình mẫu cho thực nghiệm với NAUAN .1 Hình mô tả biểu tượng eclipDse.2 Hình m6 tả giao diện eclipse .--- - ng re 36 Hình 5.3 Hình mô tả bước Build all .4 Hình mồ tả quá trình Build aÏÏ.5 Hình file kết quả sau khi build.6 Hình file kết quả sau khi huẫn luyện .7 Hình m6 tả cài đặt OpenCV .8 Hình m6 tả cài đặt thêm thư viên OpenC V .9 Hình m6 tả sử dung hàm trong OpenC.1 Hình mẫu thực nghiệm với sáng.2 Hình kết quả thực nghiệm với sáng.---- - + 25 5+ cs+x+£ezxczee 40 Hình 5.3 Hình mẫu thực nghiệm với TEN .- CS HT H112 ng ng reg 4] Hình 5.4 Hình kết quả thực nghiệm với TEN .ccecccseseeesesescsseseseseseeseseseens Al Hinh 5.5 Hinh mau thuc nghiệm với Khánh .6 Hình kết quả thực nghiệm với Khánh .7 Hình mẫu thực nghiệm với Tiến Huyy.---- 25-5 25+ cs+c+cezxcsee 4 Hình 5.8 Hình kết quả thực nghiệm với Tiến HUY .9 Hình mẫu thực nghiệm với Nhuhn.-- cv gxevekrrersed 45 Hình 5.10 Hình kết quả thực nghiệm với Nhuân .11 Hình mẫu thực nghiệm với |28⁄46. 1 1 1 ve eee 46 Hình 5.12 Hình kết quả thực nghiệm với 12846 .- +25 55s+s+c+cz£s+xcceẻ 46 Hình 5.1 Hình mô tả các mẫu thực nghiỆm. --- - SH 1 ke 47 Hình 5.2 Hình mô tả các mẫu thực nghiệm khác.
--- «s53 47 10 DANH MỤC BANG Bảng 5.1 Thống kê số lượng và kiểu mẫu trong thực nghiệm 11 nde 1) cat L1 ate yen, me Soon Faete fe te _ 1. « Nhận dạng ký tự HCR (Handwriting character recognition) đã thu được sự quan tâm ngày cảng tăng trong cả nghiên cứu học thuật và trong ngành. Đã là giấc mơ cô đại của con người dé phát triển các máy móc nhân bản chức năng của con người. Một trong những nhân bản như vậy của các chức năng con người là đọc các tài liệu bao gồm các hình thức văn bản viết khác nhau.
Các hệ thống nhận dạng ký tự viết tay đã trở thành một trong những ứng dụng thành công nhất của công nghệ trong việc nhận diện ký tự và các lĩnh vực thông minh nhân tạo. Mặc dù các hệ thống nhận dạng ký tự viết tay đang được thương mại hoá cho các ứng dụng rộng rãi đa dạng, tuy vậy những máy đọc nhận dạng ký tự viết tay vẫn không thê canh trạnh với khả năng đọc của con người về độ chính xác mong muôn. Các ứng dụng của nhận dạng chữ viết tay đã và đang có nhiều đóng góp vào đời sống. Nhận dạng chữ viết tay có thể phục vụ cho các ứng dụng đọc và xử lý các chứng từ, hóa don, phiếu ghi, bản viết tay chương trình.
Tuy nhiên cho đến nay việc nhận dạng chữ viết tay vẫn còn là thách thức lớn đối với các nhà nghiên cứu. Đã có nhiều công trình nghiên cứu về nhận diện các mẫu chữ viết tay của các hệ chữ cái Latinh, Arap, Trung Quốc. nhưng kết quả vẫn còn khá hạn chế do chữ viết tay rất đa dạng về mẫu chữ cũng như các biến thé. Các mẫu chữ viết tay phụ thuộc nhiều vào cách viết, trạng thái tinh thần của người viết.
Ứng dụng của chữ viết tay rất đa dạng: - Hỗ trợ cho người khiếm thị: Ngay từ rất sớm các kỹ thuật xử lý ảnh được đưa vào máy đọc phục vụ cho người khiếm thị. Hệ thống có thể thu nhập dữ liệu từ tài liệu giấy rồi đọc ra dé người nghe hiểu được nội dung bài viết có thé ký tự viết tay hoặc chữ in.