دوره 2، شماره ۵، ۱۴۰۱، صفحات 63 - 79

نویسندگان : سمیه صبوری* ¹ ، حمیدرضا غفاری ²

چکیده :
چکیده: اسناد تاریخی همواره مورد توجه مورخان و زبان شناسان است. اسناد مهم معمولاً توسط روش‌های تقسیم‌بندی و شناسایی به صورت دیجیتال تبدیل می‌شود. دیجیتالی کردن اسناد برای تحقیق بر روی این اسناد و حفاظت از آنها اهمیت فراوانی دارد. این مقاله یک چهارچوب تقسیم‌بندی و تشخیص کلی برای تصاویر اسناد تاریخی فارسی پیشنهاد شده است. ابتدا با حذف نویزها، رفع کجی، حذف مهرها و ... پیش پردازش روی اسناد انجام شده و تصویر سند به یک تصویر دو سطحی تبدیل می‌شود. در مرحله دوم یک روش تقسیم بندی متن سند به خطوط پیشنهاد شده است. در مرحله سوم یک روش تقسیم‌بندی خطوط به زیرکلمات رسم الخط فارسی را ارائه کرده و زیرکلمات این اسناد را استخراج نموده سپس از شبکه‌های عمیق برای آموزش زیرکلمات پرتکرار و تشخیص آنها استفاده شده و نتایج بر مبنای معیارهای مختلف گزارش شده است.

کلمات کلیدی :
اسناد دست‌نویس فارسی، تقسیم‌بندی سند، تقسیم‌بندی خطوط، تقسیم‌بندی زیرکلمات ، شبکه عصبی