Reconocimiento de caracteres numericos mediante metodos de clasificacion estructural y logica difusa

RECONOCIMIENTO DE CARACTERES NUMERICOS MEDIANTE METODOS DE CLASIFICACION ESTRUCTURAL Y LOGICA DIFUSA

Bedoya Q. Jaime, Vélez P. Daniel, Ruiz O. José, Bedoya B. Ferney
Universidad Nacional de Colombia, Sede Medellín, Facultad de Minas
Mayo 2010

RESUMEN

El presente artículo pretende informar al lector acerca del método de lógica difusa junto con la clasificación estructural, como es elcaso de su aplicación en el reconocimiento de caracteres, para este caso será empleado en el reconocimiento de texto manuscrito, el cual es ampliamente utilizado en dispositivos tecnológicos de última tecnología. La lógica difusa se utiliza para dar solución a problemas de alta complejidad mediante funciones y modelos de pertenencia. Los sistemas basados en lógica son generalmente robustos, ademásde ser tolerantes a imprecisiones y ruidos en los datos de entrada, cabe resaltar que imitan la forma en que toman decisiones los humanos usando modelos matemáticos probabilísticos para poder representar nociones subjetivas, como caliente/tibio/frío y no estrictamente duales, como verdadero/falso que son los que usan los sistemas simples. Análogamente a la aplicación que se hará, es decir la deidentificación de texto numérico; los sistemas de lógica difusa se pueden utilizar para resolver problemas de reconocimiento facial, reconocimiento auditivo, tratamiento de imágenes, acondicionamiento del aire, entre otros.

MÉTODOS ACTUALES DE SOLUCIÓN

Clasificación estructural y lógica difusa

A lo largo de las tres últimas décadas el reconocimiento de números manuscritos se hadesarrollado basado en redes neuronales, clasificación estructural, la codificación y la lógica difusa. Recientemente se ha tenido la tendencia de combinar dos o más métodos para obtener un mejor reconocimiento.
En 1974 Siy  y Chen  descompusieron imágenes de números manuscritos en un conjunto de 15 características de tres tipos: líneas rectas, circunferencias y arcos. Esta descomposición se basó en ladetección de los siguientes puntos característicos: bordes, esquinas y uniones. [3]
Con base en estos aportes se desarrollaron los métodos de Hu y Yan (1996), el método de Ibarra y Curatelli (1998) y el presente método de Chichang Jou *, Hung-Chang Lee el cual simplificó muchos elementos de los métodos anteriores.
Para cada primitiva, Hu y Yan recogieron información local de curvatura, direcciónde movimiento, longitud, entre otras; para formar un código base de 11 elementos. Más tarde un código global de 5 elementos fue deducido de los códigos bases primitivos para reflejar la información topológica mundial al igual que el número de bases primitivas. Sobre la base de estos códigos se diseñaron normas para 103 prototipos y 26 subclases, y además se empleo una red neuronal para acelerarel proceso de tiempo de diseño. [4]
Mayora-Ibarra y Curatelli dividieron cada imagen en 16 particiones de igual tamaño y luego extrajeron 7 características de cada una para formar un vector global de 112 elementos, los cuales fueron enviados a una red neuronal para la clasificación. Como algunas de las funciones dependían de las demás se borraron algunas de ellas para mejores resultados. [5]Hanmandlu y Murthy presentaron el reconocimiento de números manuscritos mediante funciones de pertenencia exponencial que sirven como un modelo difuso. Sus parámetros se derivan de las características de las distancias normalizadas que resultan de dividir cada imagen en una serie de cajas.
Clasificación de números manuscritos en base a prototipos
Se presenta un método de reconocimiento denúmeros manuscritos en base a prototipos creados por un algoritmo de entrenamiento de Distancia Euclidiana. La clasificación de un número manuscrito se realiza considerando su distancia a los prototipos más cercanos. Para formar el conjunto de prototipos se utiliza una base de entrenamiento de 2361 patrones y la evaluación del método se realiza con una base de prueba independiente de 1320 patrones....