Chương I cũng đưa ra một số phương pháp sử dụng để thực hiện bài toán nhận dạng. Đồng thời liệt kê các bước nhận dạng chữ và số viết tay. Chương 2: Sử dụng kỹ thuật SVM trong nhận dạng chữ và số viết tay trên phiếu ghi điểm thi Chương 2 trình bày và hướng dẫn sử dụng kỹ thuật SVM trong nhận dạng chữ và số viết tay trên phiếu ghi điểm thi. Thiết kế chương trình và kết quả thử nghiệm Chương 3 trình bày về thiết kế “hệ thống nhận dạng số viết tay” và các kết quả của chương trình thử nghiệm.
Kết luận Tổng kết các kết quả đạt được và định hướng phát triển tiếp theo của phần mềm trong thời gian tới. KHÁI QUÁT VỀ NHẬN DẠNG CHỮ VÀ SỐ VIẾT TAY 1. Giới thiệu về bài toán nhận dạng chữ viết tay Nhận dạng chữ viết tay (Handwriting recognition - HWR), còn được gọi là Nhận dạng văn bản viết tay (Handwriten Text Recognition - HTR), là khả năng máy tính nhận và giải thích dữ liệu chữ viết tay dễ hiểu từ: tài liệu giấy, tranh ảnh, màn hình cảm ứng hoặc các thiết bị khác. Hình ảnh của văn bản viết có thể được nhận biết từ một mảnh giấy bằng cách quét quang học (nhận dạng ký tự quang học) hoặc nhận dạng từ thông minh.
Ngoài ra, các chuyển động của đầu bút có thể được cảm nhận trên đường đi của nét viết. Một hệ thống nhận dạng chữ viết thực hiện xử lý định dạng, phân đoạn chính xác thành các ký tự và tìm ra các từ hợp lý nhất để trả về kết quả chính xác. Lĩnh vực nhận dạng chữ là một đã được quan tâm nghiên cứu và ứng dụng từ nhiều năm nay theo hai hướng chính: Một là “Nhận dạng chữ in”: phục vụ cho công việc tự động hóa đọc tài liệu, tăng tốc độ và hiệu quả nhập thông tin vào máy tính trực tiếp từ các nguồn tài liệu. Hai là “Nhận dạng chữ viết tay”: với những mức độ ràng buộc khác nhau về cách viết, kiểu chữ, phục vụ cho các ứng dụng đọc và xử lý chứng từ, hóa đơn, phiếu thông tin, bản thảo viết tay… Quá trình nhận dạng chữ viết tay được tách thành hai hướng phát triển: nhận dạng chữ viết tay trực tuyến (on-line) và nhận dạng chữ viết tay ngoại tuyến (off-line).
Đến thời điểm hiện tại, bài toán về nhận dạng chữ in đã được giải quyết gần như trọn vẹn với các sản phẩm như: FineReader 9.0 của hãng ABBYY có thể nhận dạng chữ in theo 20 ngôn ngữ khác nhau, phần mềm nhận dạng chữ Việt in VnDOCR 4.0 của Viện Công nghệ Thông tin Hà Nội có thể nhận dạng được các tài liệu chứa hình ảnh, bảng và văn bản tiếng Việt với độ chính xác trên 98%,. 5 Tuy nhiên trên thế giới cũng như ở Việt Nam, bài toán nhận dạng chữ viết tay vẫn còn là vấn đề thách thức lớn đối với các nhà nghiên cứu. Bài toàn này chưa thể giải quyết trọn vẹn vì nó phụ thuộc quá nhiều vào người viết và sự biến đổi quá đa dạng trong cách viết và trạng thái tinh thần của từng người viết. Đặc biệt đối với việc nghiên cứu nhận dạng chữ viết tay tiếng Việt lại càng gặp nhiều khó khăn hơn do bộ ký tự tiếng Việt có thêm phần dấu, rất dễ nhầm lẫm với các mẫu định sẵn.
Các giai đoạn phát triển Giai đoạn 1: (1900 – 1980) - Nhận dạng chữ được biết đến từ năm 1900, khi nhà khoa học người Nga Tyuring phát triển một phương tiện trợ giúp cho những người mù. - Các sản phẩm nhận dạng chữ thương mại có từ những năm1950, khi máy tính lần đầu tiên được giới thiệu tính năng mới về nhập và lưu trữ dữ liệu hai chiều bằng cây bút viết trên một tấm bảng cảm ứng. Công nghệ mới này cho phép các nhà nghiên cứu làm việc trên các bài toán nhận dạng chữ viết tay online hay trực tiếp. Mô hình nhận dạng chữ viết được đề xuất từ năm 1951 do phát minh của M.
Sheppard được gọi là GISMO, một robot đọc - viết. Năm 1954, máy nhận dạng chữ đầu tiên đã được phát triển bởi J. Rainbow dùng để đọc chữ in hoa nhưng rất chậm. Năm 1967, Công ty IBM đã thương mại hóa hệ thống nhận dạng chữ.
Giai đoạn 2: (1980 – 1990) - Với sự phát triển của các thiết bị phần cứng máy tính và các thiết bị thu nhận dữ liệu, các phương pháp luận nhận dạng đã được phát triển trong giai đoạn trước đã có được môi trường lý tưởng để triển khai các ứng dụng nhận dạng chữ. 6 - Các hướng tiếp cận theo cấu trúc và đối sánh được áp dụng trong nhiều hệ thống nhận dạng chữ. - Trong giai đoạn này, các hướng nghiên cứu chỉ tập trung vào các kỹ thuật nhận dạng hình dáng chứ chưa áp dụng cho thông tin ngữ nghĩa. Điều này dẫn đến sự hạn chế về hiệu suất nhận dạng, không hiệu quả trong nhiều ứng dụng thực tế.
Giai đoạn 3: (Từ 1990 đến nay) - Các hệ thống nhận dạng thời gian thực được chú trọng. - Các kỹ thuật nhận dạng kết hợp với các phương pháp luận trong lĩnh vực học máy (Machine Learning) được áp dụng rất hiệu quả. - Một số công cụ học máy hiệu quả như mạng nơron, mô hình Markov ẩn, SVM (Support Vector Machines) và xử lý ngôn ngữ tự nhiên. Quá trình nghiện cứu và phát triển Tình hình nghiên cứu trong nước Những năm gần đây, lĩnh vực nhận diện chữ viết tay đã và đang được nhiều nhà nghiên cứu trong nước đặc biệt quan tâm.
Một số nhóm nghiên cứu điển hình như: - GS. Hoàng Kiếm và các cộng sự (năm 2001) ở Đại học Quốc Gia TP.HCM đã cài đặt và thử nghiệm hệ thống nhận dạng chữ số và chữ viết tay rời rạc trên các phiếu xuất nhập cảnh. - Các tác giả Lê Hoài Bắc và Lê Hoàng Thái (năm 2001) đã nghiên cứu bài toán nhận dạng chữ số dựa trên mạng nơron và giải thuật di truyền. - Nhóm nghiên cứu ở phòng nhận dạng và Công nghệ Tri thức của Viện Công nghệ Thông tin với nhiều công trình nghiên cứu về nhận dạng chữ viết tay dựa trên mô hình Markov ẩn, mạng nơ ron và SVM.
- Nhóm nghiên cứu của TS. Nguyễn Việt Hà và các cộng sự (năm 2005) ở Đại học Quốc 7 Gia Hà Nội đã nghiên cứu đề xuất giải pháp mô hình liên mạng nrron trong nhận dạng ký tự viết tay Tiếng Việt,… - Năm 2010, nhóm nghiên cứu Huỳnh Hữu Lộc, Lưu Quốc Hải, Đinh Đức Anh Vũ (Khoa Khoa học và Kỹ thuật máy tính, Trường Đại học Bách khoa TP Hồ Chí Minh) đã đạt được những bước tiến đáng kể trong nhận dạng ký tự viết tay. Hướng tiếp cận của nhóm nghiên cứu là nhận dạng dựa trên thông tin tĩnh. Dựa trên nền tảng giải thuật rút trích thông tin theo chiều, nhóm tác giả đã cải tiến đa số các bước để đạt được độ chính xác cao hơn trong việc nhận dạng ký tự (khoảng 95%) và có những bước tiến đáng kể trong nhận dạng cả từ.
Tuy nhiên sản phẩm vẫn chưa nhận dạng được chữ viết tay tiếng Việt. Như vậy có thể thấy nhận dạng chữ viết tay, đặc biệt chữ viết tay tiếng Việt hiện đang là một hướng nghiên cứu rất được quan tâm hiện nay và đang còn nhiều vấn đề cần phải hoàn thiện. Tình hình nghiên cứu ở nước ngoài Từ những năm 1990 đến nay, các hệ thống nhận dạng thời gian thực được xây dựng và phát triển cơ sở các phương pháp luận phân lớp trong lĩnh vực học máy kết hợp với các kỹ thuật xử lý ảnh một cách hiệu quả. Một số phương pháp học máy tiên tiến như mạng nơron, mô hình Markov ẩn, SVM, đã được các nhà nghiên cứu trong và ngoài nước áp dụng để phát triển các ứng dụng trong lĩnh vực nhận diện chữ viết tay; Kề từ năm 1999, khi Flatt đề xuất thuật toán SMO để giải các bài toán tối ưu trong kỹ thuật phân lớp SVM thì các nhà nghiên cứu tập trung áp dụng phương pháp phân lớp SVM vào các ứng dụng nhận dạng chữ viết tay hoặc kết hợp SVM và các phương pháp truyền thống khác như mạng noron… 8 1.
Các bước xử lý ảnh Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận. Quá trình xử lý ảnh Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không gian và nó có thể xem như một hàm n biến P (c1, c2,. Do đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều.
Sơ đồ tổng quát của một hệ thống xử lý ảnh: Hình 1. Các bước cơ bản trong một hệ thống xử lý ảnh Sơ đồ này bao gồm các thành phần sau: 1. Thu nhận ảnh Đầu tiên, ảnh từ ngoài được thu nhận thông qua các thiết bị thu (như Camera, máy chụp ảnh, máy scanner). Trước đây, ảnh thu qua Camera là các ảnh tương tự (loại camera ống chuẩn CCIR với tần số 1/25, mỗi ảnh 25 dòng).
Gần đây, với sự phát triển của công nghệ, ảnh màu hoặc đen trắng được lấy ra từ Camera, sau đó nó được chuyển trực tiếp thành ảnh số tạo thuận lợi cho xử 9 lý tiếp theo (máy ảnh số hiện nay là một thí dụ gần gũi). Mặt khác, ảnh cũng có thể tiếp nhận từ vệ tinh qua các bộ cảm ứng hay ảnh; có thể quét từ ảnh chụp bằng máy quét ảnh scaner. Sau đó được lưu trữ trong máy tính. Gồm có 2 quá trình: + Biến đổi năng lượng quang học sang năng lượng điện + Biến đổi năng lượng điện sang dạng ma trận số.
Xử lý trước (hay tiền xử lý) Ảnh sau khi thu nhận có thể bị nhiễu, bị méo, độ tương phản thấp. là do những nguyên nhân khác nhau: có thể do chất lượng thiết bị thu nhận ảnh, do nguồn sáng hay do nhiễu ảnh có thể bị suy biến. Vì vậy cần phải tăng cường và khôi phục lại ảnh để làm nổi bật một số đặc tính chính của ảnh, hay làm cho ảnh gần giống nhất với trạng thái gốc (trạng thái trước khi ảnh bị biến dạng) nhằm các mục đích phục vụ cho các bước tiếp theo. Những mục đích riêng biệt có thể đặt ra cho quá trình tiền xử lý là: + Thực hiện điều chỉnh độ chiếu sáng để khắc phục hậu quả của sự chiếu sáng không đồng đều.
+ Giảm nhỏ thành phần nhiễu.