Show simple item record

dc.contributor.advisorÖktem, Hakan
dc.contributor.authorOnak, Önder Nazim
dc.date.accessioned2020-12-10T09:06:54Z
dc.date.available2020-12-10T09:06:54Z
dc.date.submitted2011
dc.date.issued2018-08-06
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/223875
dc.description.abstractOptik karakter tanıma alanında bircok araştırma sürdürülmektedir. Öznitelik seçimi yüksek tanıma performansı elde etmede muhtemelen en önemli etkendir.Fourier ve dalgacık analizleri popüler öznitelik çıkarma yöntemleri arasındadır.Bununla birlikte öznitelik çıkarma metodunun performansı kullanılan veri kümesi ve sınıflandırıcı tipine bağımlıdır.Bu tezde Fourier ve dalgacık analizine dayalı öznitelik çıkarma yöntemleri sınıflandırma doğrulukları temel alınarak karşılaştırılmıştır.Buna ek olarak çeşitli yoğunluktaki gürültünün etkiside gözlemlenmiştir. Gri tonlamalı karakter görüntüsü önce bir boyutlu fonksiyona dönüştürüldü ve öznitelikler çıkartılarak sınıflandırıcıya verildi. Sınıflandırıcı olarak En Yakın Komşu ve Doğrusal Ayırtedici Fonksiyonlar kullanılmıştır.Öznitelik çıkarma ve sınıflandırma yönteminin performansı çeşitli ölçekte ve döndürülmüş karakter görüntüleri kullanılarak test edilmiştir.
dc.description.abstractA lot of research have been carried in the field of optical character recognition. Selection of a feature extraction scheme is probably the most important factor in achieving high recognition performance. Fourier and wavelet transforms are among the popular feature extraction techniques allowing rotation invariant recognition. The performance of a particular feature extraction technique depends on the used dataset and the classifier. Different feature types may need different types of classifiers. In this thesis Fourier and wavelet based features are compared in terms of classification accuracy.The influence of noise with different intensities is also analyzed. Character recognition system is implemented with Matlab. Isolated gray scale character image first transformed into one dimensional function. Then, set of features are extracted. The feature set are fed to a classifier. Two types of classifier were used, Nearest Neighbor and Linear Discriminant Function. The performance of each feature extraction and classification methods were tested on various rotated and scaled character images.en_US
dc.languageEnglish
dc.language.isoen
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectMatematiktr_TR
dc.subjectMathematicsen_US
dc.titleComparison of OCR algorithms using Fourier and wavelet based feature extraction
dc.title.alternativeFourier ve dalgacık tabanlı öznitelik çıkarma yöntemleri kullanarak optik karakter tanıma algoritmalarının karşılaştırılması
dc.typemasterThesis
dc.date.updated2018-08-06
dc.contributor.departmentBilimsel Hesaplama Anabilim Dalı
dc.subject.ytmFourier analysis
dc.identifier.yokid393855
dc.publisher.instituteUygulamalı Matematik Enstitüsü
dc.publisher.universityORTA DOĞU TEKNİK ÜNİVERSİTESİ
dc.identifier.thesisid284702
dc.description.pages95
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess