Bối cảnh và vấn đề nghiên cứu

Quá trình tin học hóa trên nhiều lĩnh vực đã thúc đẩy các bài toán nhận dạng chuyển dịch từ phạm vi nghiên cứu lý thuyết sang ứng dụng thực tiễn. Trong các bài toán nhận dạng mẫu, nhận dạng tiếng nói và nhận dạng chữ, bài toán nhận dạng chữ in đã đạt được độ hoàn thiện cao với các phần mềm thương mại như FineReader 9.0 của hãng ABBYY (hỗ trợ 192 ngôn ngữ) hay VnDOCR 4.0 của Viện Công nghệ Thông tin Hà Nội (đạt độ chính xác trên 98% đối với tài liệu tiếng Việt có bảng biểu và hình ảnh). Ngược lại, nhận dạng chữ viết tay vẫn là một thách thức lớn do dạng chữ phụ thuộc hoàn toàn vào thói quen, sự biến đổi trong cách viết cũng như trạng thái tâm lý, sức khỏe của từng cá nhân.

Về mặt ứng dụng thực tiễn, công nghệ nhận dạng chữ viết tay đóng vai trò quan trọng trong việc tự động phân loại thư tại các bưu điện, xử lý giao dịch thanh toán tại hệ thống ngân hàng, và hỗ trợ xây dựng thư viện số cho người khiếm thị thông qua việc quét tài liệu in/viết tay rồi chuyển đổi thành định dạng máy tính để người khiếm thị tiếp cận được.

Đề tài "Trình bày nội dung và cài đặt thuật toán nhận dạng kí tự viết tay" được thực hiện dưới dạng báo cáo bài tập lớn / đồ án chuyên ngành Nhập môn Trí tuệ nhân tạo tại Khoa Công nghệ Thông tin, Trường Đại học Hải Phòng (năm học 2022-2023) do nhóm sinh viên Phạm Tiến Huy, Đinh Thị Hồng Nhung, Phạm Thị Thanh Huyền thực hiện dưới sự hướng dẫn của giảng viên Đào Việt Anh.

Các mục tiêu và nhiệm vụ nghiên cứu cụ thể của đề tài bao gồm:

  1. Nhận dạng được các ký tự từ dữ liệu ảnh đầu vào.
  2. Trích chọn được các vector đặc trưng tiêu biểu của ảnh ký tự.
  3. Tiến hành huấn luyện và nhận dạng ký tự bằng mô hình Markov ẩn (Hidden Markov Model - HMM).

Về đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các ký tự chữ viết tay tiếng Việt đơn lẻ dạng ngoại tuyến (offline), thu nhận từ tài liệu quét qua scanner.
  • Phạm vi không gian và công nghệ: Nghiên cứu tập trung vào 3 thành phần cốt lõi của hệ thống nhận dạng gồm tiền xử lý, trích chọn đặc trưng và huấn luyện/nhận dạng với HMM; xây dựng chương trình mô phỏng trên máy tính cá nhân (PC) bằng ngôn ngữ C#.
  • Định hướng ứng dụng: Tạo tiền đề kỹ thuật để phát triển ứng dụng nhận dạng chữ viết tay tiếng Việt hoàn chỉnh trên các thiết bị di động phục vụ người khiếm thị.

Cơ sở lý thuyết và phương pháp

Đề tài kết hợp cơ sở lý thuyết xử lý ảnh số, đại số tuyến tính, lý thuyết xác suất thống kê và các giải thuật học máy để xây dựng hệ thống nhận dạng mẫu ký tự.

Khung lý thuyết và mô hình sử dụng

Hệ thống lý thuyết được xây dựng dựa trên các mô hình toán học và giải thuật chuyên ngành:

  1. Mô hình Markov ẩn (Hidden Markov Model - HMM): Mô hình được xác định bởi bộ ba tham số $\lambda = (A, B, \pi)$, trong đó:

    • $A = {a_{ij}}$ là ma trận xác suất chuyển trạng thái giữa các trạng thái ẩn $S_i$ và $S_j$.
    • $B = {b_j(k)}$ hoặc $b_j(O)$ là xác suất phân bố quan sát (rời rạc hoặc mật độ xác suất liên tục Gauss/hỗn hợp Gauss) tại trạng thái $S_j$.
    • $\pi = {\pi_i}$ là phân bố xác suất của trạng thái khởi đầu.
    • Ba bài toán cơ bản của HMM được giải quyết bằng: Giải thuật tiến - lùi (Forward-Backward Algorithm) với biến tiến $\alpha_t(i)$ và biến lùi $\beta_t(i)$ để tính $P(O|\lambda)$; Giải thuật Viterbi để xác định chuỗi trạng thái tối ưu $q^*$; và Thuật toán Baum-Welch (dựa trên tiêu chuẩn xác suất cực đại - Maximum Likelihood) để ước lượng lại tham số mô hình. Ngoài ra, văn bản trình bày tiêu chuẩn thông tin tương hỗ cực đại (MMI) và thông tin phân biệt cực đại (MDI).

  2. Lượng hóa Vector (Vector Quantization - VQ) và Phân nhóm: Để chuyển đổi các vector đặc trưng liên tục thành chuỗi ký hiệu rời rạc cho HMM, hệ thống sử dụng quá trình lượng hóa vector. Thiết kế codebook được thực hiện thông qua thuật toán LBG (Linde-Buzo-Gray / k-means tổng quát của Lloyd) nhằm cực tiểu hóa sai số trung bình (Mean Squared Error, sai số có trọng số Mahalanobis). Đề tài cũng khảo sát phương pháp lượng hóa mềm (Soft Quantization) bằng cách ước lượng hàm mật độ hỗn hợp.

  3. Mô hình học máy so sánh (SVM và Mạng Neural):

    • Máy vector hỗ trợ (SVM): Dựa trên lý thuyết học thống kê của Vapnik & Chervonenkis (1960) và đề xuất của Vapnik (1992), tối ưu hóa siêu phẳng phân chia dựa trên kích thước VC và cực đại hóa lề thông qua bài toán quy hoạch toàn phương.
    • Mạng Neural: Sử dụng kiến trúc mạng truyền thẳng huấn luyện bằng giải thuật lan truyền ngược sai số (Backpropagation), cấu hình gồm 60 đầu vào từ chuỗi Fourier (6 thành phần liên thông $\times$ 10 giá trị) và hàm ngưỡng kích hoạt Sigmoid.

  4. Lý thuyết tiền xử lý và trích chọn đặc trưng ảnh:

    • Biến đổi ảnh: Chuyển đổi mức xám theo công thức $G = \alpha C_R + \beta C_G + \gamma C_B$; nhị phân hóa theo ngưỡng phân phối xác suất chiếm 25% diện tích điểm đen; các bộ lọc khử nhiễu Mean, Median (khử nhiễu muối tiêu), và lọc Gauss.
    • Tách biên và làm trơn: Giải thuật tách biên Canny với các toán tử Roberts, Sobel hoặc Prewitt kết hợp lọc triệt phi cực đại và ngưỡng kép $\mu_1, \mu_2$.
    • Căn chỉnh độ lệch trang: Đánh giá biến đổi Hough (chùm điểm ảnh, góc $\sim 15^\circ$), phương pháp láng giềng gần nhất (Nearest Neighbours / Docstrum của L'O Gorman với $k$ láng giềng), và phương pháp tia quay (Project Profile) của Postl và H.Braid (độ chính xác $\sim 0.5^\circ$, áp dụng cho góc lệch $\sim 10^\circ$).
    • Trích chọn đặc trưng: Phương pháp trọng số vùng (chia ô ma trận $m \times n$), trích chọn chu tuyến (Contour Profiles - ví dụ khung $14 \times 9$ cho ra 46 đặc trưng biên), biến đổi Wavelet Haar trên ma trận $2^n \times 2^n$, và biến đổi Fourier rời rạc (DFT) trên hàm biên phức $f(t) = [x(t) - x_c] + j[y(t) - y_c]$.
| Nhóm phương pháp | Kỹ thuật / Thuật toán trong văn bản | Mục đích sử dụng |
| :--- | :--- | :--- |
| **Tiền xử lý ảnh** | Chuyển xám, Phân ngưỡng xác suất, Lọc Gauss/Median | Nâng cao chất lượng ảnh, khử nhiễu muối tiêu, tách nền |
| **Chỉnh nghiêng** | Project Profile (Postl, H.Braid) | Xác định và xoay góc nghiêng văn bản ($\sim 0.5^\circ$) |
| **Tách biên** | Thuật toán Canny (Toán tử Sobel/Roberts/Prewitt) | Làm mỏng nét, phát hiện đường bao ký tự liên tục |
| **Trích đặc trưng** | Trọng số vùng, Chu tuyến, Wavelet Haar, DFT Fourier | Rút gọn kích thước đầu vào, tạo vector đặc tính bất biến |
| **Mô hình nhận dạng**| HMM (Baum-Welch, Viterbi, Forward-Backward, LB) | Mô hình hóa chuỗi quan sát và nhận dạng mẫu ký tự |
| **Lượng hóa mẫu** | Thuật toán LBG (Linde-Buzo-Gray), Soft Quantization | Ánh xạ vector liên tục thành bảng mã rời rạc (codebook) |

Phương pháp nghiên cứu thực tế

  • Phương pháp phân tích - tổng hợp tài liệu: Khảo cứu lịch sử phát triển nhận dạng chữ qua 3 giai đoạn (1900-1980 với máy đọc GISMO 1951 của M. Sheppard, J. Rainbow 1954, thương mại hóa của IBM 1967; 1980-1990 với phương pháp cấu trúc/đối sánh; 1990-nay với học máy thời gian thực). Tổng hợp tình hình nghiên cứu trong nước (công trình năm 2010 của Huỳnh Hữu Lộc, Lưu Quốc Hải, Đinh Đức Anh Vũ tại ĐH Bách Khoa TP.HCM đạt độ chính xác $\sim 95%$ trên ký tự tĩnh) và ngoài nước (nhận dạng trên Palm Pilot, Tablet PC).
  • Phương pháp thực nghiệm và mô phỏng hệ thống: Xây dựng luồng xử lý 5 pha (Tiền xử lý $\rightarrow$ Tách chữ $\rightarrow$ Trích chọn đặc trưng $\rightarrow$ Huấn luyện & Nhận dạng $\rightarrow$ Hậu xử lý), lập trình cài đặt module tính toán trên nền tảng C#.
  • Nguồn dữ liệu: Dữ liệu ảnh ký tự quét ngoại tuyến (offline) dạng nhị phân ma trận điểm pixel.

Thiết kế và triển khai

Hệ thống được thiết kế theo luồng kiến trúc nhận dạng chữ viết tay ngoại tuyến với 5 module chức năng tuần tự:

| Giai đoạn xử lý | Quy trình kỹ thuật chi tiết | Kết quả đầu ra |
| :--- | :--- | :--- |
| **1. Tiền xử lý** | - Chuyển ảnh màu RGB sang ảnh xám 8-bit (256 mức xám)
- Nhị phân hóa ảnh theo phân phối xác suất 25% diện tích ký tự
- Khử nhiễu bằng lọc Median/Gauss
- Căn chỉnh góc nghiêng bằng Project Profile
- Cắt xén khung chữ nhật bao quanh ký tự
- Làm mỏng nét và dò biên bằng giải thuật Canny | Ảnh ký tự nhị phân chuẩn hóa, rõ nét và đã triệt tiêu độ nghiêng |
| **2. Tách chữ** | - Phân đoạn dòng, tách từ và phân lập từng ký tự đơn lẻ | Các ma trận ảnh chứa ký tự độc lập |
| **3. Trích chọn đặc trưng** | - Chuẩn hóa khung ảnh về kích thước $m \times n$
- Rút trích vector đặc tính bằng biến đổi Fourier DFT của đường biên phức $f(t)$ hoặc chia ô trọng số vùng/Wavelet Haar | Vector đặc trưng $N$-chiều đại diện cho hình dạng ký tự |
| **4. Huấn luyện & Nhận dạng**| - Lượng hóa vector bằng thuật toán phân cụm LBG để xây dựng codebook
- Huấn luyện tham số mô hình $\lambda=(A, B, \pi)$ bằng thuật toán Baum-Welch
- Nhận dạng mẫu quan sát bằng giải thuật Viterbi và thuật toán Level Building (LB) | Nhãn ký tự có xác suất khớp cực đại $P(O\|\lambda)$ |
| **5. Hậu xử lý** | - Áp dụng thông tin ngữ cảnh và đối soát từ điển dữ liệu | Ký tự hoàn chỉnh chính xác |

Hệ thống được triển khai lập trình trên môi trường máy tính cá nhân (PC Desktop) sử dụng ngôn ngữ C#. Các module được tổ chức thành các lớp đối tượng (classes) phụ trách các tác vụ xử lý ma trận ảnh, tính toán xác suất HMM, tối ưu hóa thuật toán Viterbi và giao diện điều khiển tương tác.

Nội dung chính theo từng chương

| Cấu trúc báo cáo | Tên chương theo văn bản | Nội dung trọng tâm |
| :--- | :--- | :--- |
| **Chương 1** | Giới thiệu đề tài | Lịch sử phát triển nhận dạng chữ, khảo sát nghiên cứu trong và ngoài nước, quy trình 5 bước, tổng quan HMM, SVM và Mạng Neural |
| **Chương 2** | Cơ sở lý thuyết về tiền xử lý ảnh ký tự và trích chọn đặc trưng | Kỹ thuật chuyển xám, nhị phân hóa, các bộ lọc Mean/Median/Gauss, giải thuật Canny, chỉnh nghiêng Project Profile, trích chọn đặc trưng Fourier/Wavelet/Chu tuyến |
| **Chương 3** | Cơ sở lý thuyết về Markov ẩn | Định nghĩa toán học HMM $\lambda=(A, B, \pi)$, 3 bài toán cơ bản, thuật toán Forward-Backward, Baum-Welch, Viterbi, Level Building, Lượng hóa Vector (VQ) và thuật toán LBG |
| **Chương 4** | Ứng dụng mô hình Markov ẩn trong nhận dạng chữ viết tay | Quy trình áp dụng HMM vào bài toán ký tự, các bước cài đặt thuật toán nhận dạng, phân tích các khó khăn và giải pháp khắc phục |
| **Chương 5** | Cài đặt chương trình và đánh giá kết quả | Môi trường cài đặt C#, thiết kế giao diện, cấu trúc các class chính, đánh giá thực nghiệm và định hướng phát triển tương lai |

Chương 1: Giới thiệu đề tài

Chương 1 hệ thống hóa lịch sử phát triển của bài toán nhận dạng qua 3 giai đoạn chính từ năm 1900 đến nay. Tác giả phân tích rõ sự khác biệt giữa hai nhánh nhận dạng: nhận dạng trực tuyến (online - lưu trữ động về thứ tự, hướng và tốc độ nét viết trên bảng cảm ứng) và nhận dạng ngoại tuyến (offline - xử lý trên ảnh quét tĩnh).

Về tình hình nghiên cứu, chương này điểm lại công trình năm 2010 của nhóm Huỳnh Hữu Lộc, Lưu Quốc Hải, Đinh Đức Anh Vũ tại Trường Đại học Bách khoa TP.HCM với độ chính xác nhận dạng ký tự đạt khoảng 95% nhưng chưa giải quyết được chữ viết tay tiếng Việt. Tác giả đưa ra quy trình tổng quát 5 giai đoạn để giải quyết bài toán và phân tích ưu - nhược điểm của 3 phương pháp học máy phổ biến: HMM, SVM (máy vector hỗ trợ với bài toán quy hoạch toàn phương) và Mạng Neural (sử dụng giải thuật lan truyền ngược với 60 đầu vào Fourier và hàm Sigmoid).

Chương 2: Cơ sở lý thuyết về tiền xử lý ảnh ký tự và trích chọn đặc trưng

Chương 2 đi sâu vào các giải thuật xử lý ảnh đầu vào và trích xuất vector đặc tính:

  • Biến đổi ảnh và khử nhiễu: Trình bày chi tiết công thức chuyển đổi ảnh màu sang ảnh xám 8-bit. Phân tích các mô hình nhiễu (nhiễu cộng, nhiễu nhân, nhiễu xung) và chứng minh bộ lọc Median có ưu thế vượt trội trong việc loại bỏ nhiễu muối tiêu mà không làm nhòe quá mức các nét chữ như bộ lọc Mean. Bộ lọc Gauss được phân tích như giải pháp làm trơn có trọng số tập trung vào điểm ảnh trung tâm.
  • Nhị phân hóa: Phân tích kỹ thuật phân ngưỡng theo hàm giải tích xấp xỉ histogram parabol $y = ax^2 + bx + c$ (với điểm thấp nhất $x = -b/2a$) so với phương pháp phân phối xác suất mức xám (cố định tỷ lệ 25% diện tích điểm đen ký tự). Tác giả lựa chọn phương pháp phân phối xác suất do tính toán nhanh và phù hợp tài nguyên thực tế.
  • Căn chỉnh góc nghiêng: So sánh biến đổi Hough, phương pháp láng giềng gần nhất (Docstrum của L'O Gorman) và phương pháp Project Profile. Tác giả chọn phương pháp Project Profile kết hợp cải biến của H.Braid nhờ tốc độ xử lý nhanh, độ chính xác đạt $\sim 0.5^\circ$ đối với các trang văn bản có độ nghiêng trong khoảng $\sim 10^\circ$.
  • Trích chọn đặc trưng: Trình bày toán học về 4 kỹ thuật trích chọn gồm trọng số vùng ($m \times n$), chu tuyến (Contour Profiles), biến đổi Wavelet Haar dạng phân cấp qua cấu trúc hàng đợi (Queue), và trích chọn hệ số Fourier rời rạc (DFT) trên biên ảnh biểu diễn bằng số phức $f(t)$.

Chương 3: Cơ sở lý thuyết về Markov ẩn

Chương 3 trình bày toàn diện cơ sở toán học của mô hình Markov ẩn:

  • Khái niệm và cấu trúc: Thiết lập định nghĩa quá trình Markov bậc nhất, ma trận chuyển tiếp trạng thái $A$, ma trận xác suất quan sát $B$, và vector phân bố ban đầu $\pi$.
  • Giải pháp cho 3 bài toán cốt lõi:
    1. Bài toán 1 (Đánh giá): Trình bày công thức truy hồi của biến tiến $\alpha_t(i)$ và biến lùi $\beta_t(i)$ trên lưới mắt cáo (trellis diagram) để tính xác suất chuỗi quan sát $P(O|\lambda)$.
    2. Bài toán 2 (Giải mã chuỗi trạng thái): Trình bày chi tiết thuật toán quy hoạch động Viterbi qua 4 bước: Khởi tạo, Đệ quy, Kết thúc và Lần ngược đường đi (Backtracking) để tìm chuỗi trạng thái tối ưu $q^*$.
    3. Bài toán 3 (Huấn luyện tham số): Trình bày thuật toán lặp Baum-Welch (tiêu chuẩn Maximum Likelihood) với các biến trung gian $\gamma_t(i)$ và $\xi_t(i, j)$ để ước lượng lại các tham số $\bar{a}_{ij}, \bar{b}_j(k), \bar{\pi}_i$ cho cả mô hình rời rạc và mô hình mật độ liên tục/bán liên tục Gauss.
  • Thuật toán Level Building (LB): Phân tích cơ chế nhận dạng chuỗi từ/cụm từ liên tục mà không cần bước phân đoạn tường minh.
  • Lượng hóa Vector (VQ) và thuật toán LBG: Trình bày kỹ thuật phân chia không gian vector liên tục thành các tế bào codebook thông qua thuật toán LBG (Linde-Buzo-Gray), sử dụng các hàm đo khoảng cách sai số bình phương trung bình và khoảng cách Mahalanobis.

Chương 4: Ứng dụng mô hình Markov ẩn trong nhận dạng chữ viết tay

Chương 4 tập trung vào quy trình ánh xạ các vector đặc trưng của ảnh ký tự vào mô hình HMM. Nội dung bao gồm việc xây dựng các bước cài đặt thuật toán nhận dạng, quy định cấu trúc chuỗi quan sát từ các đặc trưng biên/vùng, thiết lập số lượng trạng thái ẩn phù hợp cho từng ký tự, phân tích những khó khăn phát sinh trong quá trình huấn luyện mô hình và đề xuất các giải pháp kỹ thuật khắc phục.

Chương 5: Cài đặt chương trình và đánh giá kết quả

Chương 5 mô tả chi tiết chương trình thực nghiệm: thiết lập môi trường lập trình C#, thiết kế giao diện đồ họa cho phép người dùng nạp ảnh ký tự, kích hoạt các tiến trình tiền xử lý, trích đặc trưng và hiển thị kết quả nhận dạng. Chương trình liệt kê cấu trúc các class cốt lõi, đưa ra các nhận xét đánh giá về kết quả thử nghiệm và vạch ra định hướng phát triển trong tương lai.

Kết quả và đóng góp

Dựa trên toàn bộ nội dung được trình bày trong báo cáo, các kết quả và đóng góp chính bao gồm:

  1. Hệ thống hóa toàn diện cơ sở lý thuyết: Báo cáo đã tổng hợp mạch lạc và chi tiết các công thức toán học từ tiền xử lý ảnh, trích chọn đặc trưng biên (DFT, Wavelet Haar, Chu tuyến) đến mô hình thống kê Markov ẩn và các giải thuật tối ưu hóa liên quan (Forward-Backward, Viterbi, Baum-Welch, Level Building, LBG).
  2. Lựa chọn các giải thuật tối ưu về mặt tính toán: Tác giả đã phân tích so sánh và lựa chọn những giải pháp cân bằng giữa độ chính xác và chi phí tài nguyên phần cứng:
    • Áp dụng phương pháp phân ngưỡng theo phân phối xác suất mức xám (25% diện tích) thay vì giải tích histogram phức tạp.
    • Ứng dụng phương pháp tia quay Project Profile (cải tiến theo H.Braid) cho phép căn chỉnh độ lệch góc nghiêng nhanh với sai số chỉ $\sim 0.5^\circ$.
    • Sử dụng giải thuật Canny và lọc Median để bảo toàn đường biên ký tự và khử nhiễu muối tiêu hiệu quả.
  3. Định hướng giải quyết bài toán ký tự tiếng Việt đơn lẻ: Đề tài đã xác định đúng mắt xích nền tảng trong bài toán nhận dạng chữ viết tay tiếng Việt (nhận dạng ký tự đơn lẻ offline), tạo cơ sở thuật toán để mở rộng sang các hệ thống nhận dạng từ và ứng dụng trên thiết bị di động.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

  • Do giới hạn về thời gian thực hiện và phạm vi nghiên cứu, đề tài mới tập trung giải quyết bài toán nhận dạng trên lớp ký tự tiếng Việt đơn lẻ dạng ngoại tuyến, chưa mở rộng nhận dạng trọn vẹn văn bản viết tay liên tục hay chữ viết tay có dấu phức tạp (như các ký tự có dấu mũ, dấu hỏi/ngã).
  • Hệ thống vẫn chịu ảnh hưởng lớn bởi sự biến dạng ngẫu nhiên quá cao trong nét viết và tình trạng sức khỏe, thói quen của người viết.

Hướng nghiên cứu tiếp theo

  • Hoàn thiện mô hình để xây dựng ứng dụng nhận dạng chữ viết tay hoàn chỉnh tích hợp trên các thiết bị di động.
  • Phát triển tính năng hỗ trợ học tập, sinh hoạt và xây dựng thư viện số chuyển đổi văn bản phục vụ người khiếm thị.
  • Mở rộng thuật toán Level Building và các mô hình ngôn ngữ ngữ cảnh để nhận dạng từ ghép và câu văn bản tiếng Việt hoàn chỉnh.

Giá trị tham khảo

Tài liệu này là nguồn tài liệu học thuật có giá trị tham khảo thiết thực cho:

  • Sinh viên và học viên chuyên ngành Công nghệ Thông tin, Trí tuệ Nhân tạo, Khoa học Máy tính: Tham khảo cấu trúc bài tập lớn/đồ án tốt nghiệp chuẩn mực về thị giác máy tính và nhận dạng mẫu.
  • Người nghiên cứu xử lý ảnh và nhận dạng ký tự (OCR): Cung cấp các công thức toán học và giải thuật chi tiết của thuật toán Canny, lọc Median/Gauss, biến đổi Project Profile, DFT Fourier đường biên và Wavelet Haar.
  • Người nghiên cứu mô hình Markov ẩn (HMM): Toàn bộ Chương 3 là tài liệu tổng hợp toán học mạch lạc về thuật toán Baum-Welch, Viterbi, Level Building và lượng hóa vector LBG.

Câu hỏi thường gặp

1. Tại sao nhận dạng chữ viết tay lại khó khăn hơn nhiều so với nhận dạng chữ in?

Theo văn bản, nhận dạng chữ in đã được giải quyết gần như trọn vẹn (như FineReader 9.0 hỗ trợ 192 ngôn ngữ, VnDOCR 4.0 đạt độ chính xác trên 98%). Ngược lại, nhận dạng chữ viết tay là thách thức lớn vì hình dạng ký tự hoàn toàn phụ thuộc vào người viết, sự biến đổi đa dạng trong thói quen viết cũng như trạng thái sức khỏe, tinh thần của từng cá nhân tại thời điểm viết.

2. Phương pháp căn chỉnh góc nghiêng trang văn bản nào được đề tài lựa chọn và có ưu điểm gì?

Đề tài lựa chọn phương pháp tia quay (Project Profile) kết hợp cải tiến của H.Braid. Phương pháp này có ưu điểm là giải thuật tương đối đơn giản, tốc độ xử lý nhanh, chi phí tính toán thấp hơn biến đổi Hough và phương pháp láng giềng gần nhất (Docstrum), đồng thời đạt độ chính xác khá cao ($\sim 0.5^\circ$) đối với các trang văn bản có độ nghiêng trong khoảng $\sim 10^\circ$.

3. Ba bài toán cơ bản của mô hình Markov ẩn (HMM) là gì và được giải quyết bằng các giải thuật nào?

Ba bài toán cơ bản của HMM gồm:

  1. Đánh giá xác suất chuỗi quan sát $P(O|\lambda)$: Giải quyết bằng giải thuật tiến - lùi (Forward-Backward Algorithm) với biến tiến $\alpha_t(i)$ và biến lùi $\beta_t(i)$.
  2. Tìm dãy trạng thái tối ưu $q^$ sinh ra chuỗi quan sát:* Giải quyết bằng giải thuật quy hoạch động Viterbi.
  3. Ước lượng lại các tham số của mô hình $\lambda=(A, B, \pi)$ để cực đại hóa xác suất: Giải quyết bằng thuật toán lặp Baum-Welch theo tiêu chuẩn xác suất cực đại (Maximum Likelihood).

4. Thuật toán LBG có vai trò gì trong hệ thống nhận dạng sử dụng HMM?

Thuật toán LBG (Linde-Buzo-Gray, bản chất là giải thuật phân nhóm k-means / Lloyd tổng quát) đóng vai trò thiết kế codebook cho quá trình lượng hóa vector (VQ). Quá trình này giúp ánh xạ các vector đặc trưng liên tục $N$-chiều thành các ký hiệu rời rạc trong bảng mã, giúp mô hình HMM rời rạc có thể xử lý được các quan sát liên tục mà không đòi hỏi lượng dữ liệu huấn luyện khổng lồ.

5. Trong phương pháp mạng Neural được so sánh ở Chương 1, tác giả mô tả cấu hình mạng như thế nào?

Mạng Neural được mô tả sử dụng giải thuật huấn luyện lan truyền ngược sai số (Backpropagation), cấu hình gồm 60 đầu vào được trích xuất từ các ký tự đã tách biên thành chuỗi Fourier (gồm 6 thành phần liên thông $\times$ 10 giá trị cho mỗi thành phần) và sử dụng hàm Sigmoid làm hàm ngưỡng kích hoạt.

Kết luận

Báo cáo bài tập lớn / đồ án của nhóm sinh viên Trường Đại học Hải Phòng đã trình bày toàn diện cơ sở lý thuyết và giải pháp kỹ thuật cho bài toán nhận dạng ký tự viết tay tiếng Việt đơn lẻ. Đề tài đã phân tích sâu sắc các giải thuật tiền xử lý ảnh (lọc Median/Gauss, phân ngưỡng xác suất, chỉnh nghiêng Project Profile, tách biên Canny), trích chọn đặc trưng hình học/Fourier và ứng dụng mô hình Markov ẩn (HMM) cùng các thuật toán tối ưu Viterbi, Baum-Welch và LBG. Chương trình được lập trình mô phỏng trên nền tảng C#, đóng vai trò là nghiên cứu nền tảng thiết thực hướng tới việc phát triển các ứng dụng OCR di động hỗ trợ cộng đồng người khiếm thị.