PENGEMBANGAN SISTEM PENGENALAN HURUF ARAB

M. ALBADR LUTAN NASUTION13508011

Latar Belakang

OCR sangat praktikal 50 bahasa 200 juta

jiwa

Tertinggal vs latin

Segmentasi minim

Rumusan Masalah

Segmentasi yg mendukungSkema hubungan komponenKinerja

Tujuan

citra• piksel• sulit diolah

teks• huruf• dapat disunting• dapat dicari

OCR

Studi Literatur

• Tulisan Arab: 31 huruf, kursif, 4 bentuk, titik• Akuisisi Data: Online vs Offline• Tahapan Umum OCR:

Praproses Segmentasi RepresentasiPelatihan

dan Pengenalan

Pascaproses

Piksel Fitur Huruf Kata Kalimat Makna

Penelitian Terkait• Sarfraz, dkk (2003): Pengenalan nomor plat kendaraan dg.

pencocokan templat

• Al-Taani dan Al-Haj (2010): Pengenalan huruf online dg. pohon keputusan

• Sarhan dan Al-Helalat (2007): Pengenalan huruf dg. JST dan fitur standar devisasi dan piksel

• Zidouri (2010): Metode segmentasi baru dan pengenalan dua tingkat: templat dan JST

• Abandah,dkk (2009): Ragam fitur huruf dan kombinasi pengenaan statistik

Alur Proses

Praolah

Segmentasi

Penipisan

Ekstraksi Fitur

Klasifikasi

Praolah

Median Filter Binerisasi

Tinggi 64 Piksel Lini Basis

64 piksellini basis

P1’ = median (P1..P9)

BLACK if RG||GB||RB

Penipisan

Algoritma Hilditch

Templat Cowell Hussain

Templat Ketebalan

2 < = B(p1) < = 6A(p1)=1

p2.p4.p8=0 or A(p2)!= 1p2.p4.p6=0 or A(p4)!= 1

Segmentasi

Baris• Proyeksi horizontal

Upakata• Analisis piksel bersambung• Badan utama vs objek sekunder

Huruf• Algoritma Zidouri (2010)

Segmentasi Baris

Segmentasi Upakata

Tiap sangkar digolongkan ke: “badan utama”, “objek sekunder”, dan “derau”

Amin (2000)

Segmentasi Huruf

Masukkan fitur ke rule

Ekstrak fitur setiap kandidat

Masukkan sebagai pita kandidat

Cek panjang deretan dan piksel atas bawah

Cari deretan piksel

Tipiskan

Zidouri (2010)

Ekstraksi Fitur

• Rasio aspek• Proyeksi• Distribusi piksel• Jumlah lubang

Badan Utama

• Titik minat• Rantai kode• Panjang keliling• Diag/keliling• Rasio kekompakan

Tulang & Keliling

• Jumlah• Posisi• Jenis komponen

Komponen Sekunder

Klasifikasi

C4.5 (J48)

Badan Utama

WekaPohon Keputusan

++ Objek Sekunder

Data Uji

Teks Arab 37 Halaman Sumber: Wikipedia

Prosedur Pengujian

Fungsional

• Cek sampel hasil setiap proses

• Hingga fungsi dianggap cukup baik

Segmentasi

• Data uji: seluruh citra dokumen

• Simpan citra hasil tiap segmentasi

• Hitung citra hasil (manual)

• Benar, Undersegmentasi, Oversegmentasi

Klasifikasi

• Pembelajaran dari citra huruf tunggal manual tiap font

• Kinerja komponen: validasi silang setiap font pada data latih

• Kinerja sistem: cek dan hitung tebakan seluruh huruf pada data uji citra dokumen

Skrinsyut

Citra asli

Setelah praolah

Penipisan

Pengotakan

Seg. huruf

Antarmuka

Hasil Uji: Seg. Baris

Jenis Huruf B O K

Arial 99% 1% 21%Arial Unicode MS 99% 1% 9%Microsoft Sans Serif 98% 2% 2%Segoe UI 98% 2% 27%Tahoma 98% 2% 13%Traditional Arabic 97% 3% 33%

Benar 98%. Under 0%. Over 2%.

Benar 86%. Under 8%. Over 6%.

Hasil Uji: Seg. Huruf

Jenis Huruf B U O

Arial 84% 11% 5%Arial Unicode MS 79% 17% 4%Microsoft Sans Serif 54% 43% 3%Segoe UI 91% 2% 7%Tahoma 92% 2% 6%Traditional Arabic 46% 50% 4%

Benar 74%. Under 21%. Over 5%.

demo?

Terima kasih.