دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 2 ۵ 2023 03 06 Classification and recognition of sub-words in old Persian manuscript documents تقسیم‌بندی و تشخیص زیرکلمات اسناد قدیمی دست‌نویس فارسی 63 79 10.22051/jera.2021.31891.2698 FA سمیه دانشگاه آزاد اسلامی بیرجند حمیدرضا دانشگاه آزاد اسلامی فردوس 2023 02 16 — Historical documents are always of interest to historians and linguists. Important documents are usually digitized by segmentation and identification methods. Digitization of documents is very important for research on these documents and their protection. This article proposes a general classification and recognition framework for the images of Persian historical documents. First, pre - processing is done on documents by removing noises, removing skew, removing stamps, etc., and the document image becomes a two-level image. In the second step, a method of dividing the text of the document into lines is proposed. In the third stage, a method of dividing lines into sub-words of Persian script is presented and the sub-words of these documents are extracted, then deep networks are used to train frequent sub-words and recognize them, and the results are reported based on different criteria. 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. /downloadfilepdf/892490