1. CUIR at Chulalongkorn University
  2. Faculty and Institute
  3. Graduate School - Grad
  4. Grad - Theses
Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/47951
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorสมชาย จิตะพันธ์กุล-
dc.contributor.authorวิชา พานิช-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย-
dc.date.accessioned2016-06-06T08:42:31Z-
dc.date.available2016-06-06T08:42:31Z-
dc.date.issued2539-
dc.identifier.isbn9746355678-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/47951-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2539en_US
dc.description.abstractวิทยานิพนธ์ฉบับนี้มีจุดมุ่งหมายเพื่อสร้างระบบรู้จำอักษภาษาไทย โดยใช้ลักษณะบ่งความต่างของอักษรไทย ซึ่งประกอบด้วยงาน 3 ส่วนหลักคือ ส่วนรู้จำอักษรเดี่ยว ส่วนแยกอักษรที่ติดกัน และส่วนวิเคราะห์เอกสาร ในส่วนการรู้จำอักษรภาษาไทยใช้การแบ่งกลุ่มโดยใช้ลักษณะของโครงสร้างหลักร่วมกับระดับของอักษรโดยแบ่งเป็นอักษรระดับบน 1 กลุ่ม ระดับล่าง 1 กลุ่ม และระดับกลางอีก 7 กลุ่ม แล้วจึงแยกแยะในกลุ่มย่อยโดยใช้ลักษณะบ่งความต่างของอักษรไทย ในส่วนการตัดแยกอักษรที่ติดกันนั้นใช้ลักษณะบ่งความต่างของอักษรไทยแบ่งประเภทของการติดกันโดยใช้ระดับของอักษรได้เป็น 10 กลุ่มแล้วใช้วิธีเฉพาะของแต่ละกลุ่มในการตัดแยก ในส่วนการวิเคราะห์เอกสารมีการแก้ความเอียงของเอกสาร การแยกคอลัมน์และแยกบรรทัดตัวอักษร โดยทำการทดสอบบนเครื่องไมโครคอมพิวเตอร์ CPU 80486DX2-80 กับอักษรกว่า 50,000 ตัวอักษรได้ผลการรู้จำร้อยละ 97.6 และใช้เวลาเฉลี่ยในการรู้จำ 36.4 อักษรต่อวินาทีen_US
dc.description.abstractalternativeThe objective of this thesis is to create a Thai character recognition system based on Thai distinctive features that consists of 3 main parts : a recognition module of single character, a module of segmentation of connected characters image, and document analysis module. In the recognition module of single character, the primary structures and the level of the character are used to classify Thai characters into 9 groups. They composed of one upper level group, one lower level group and seven middle level groups. Distinctive features of Thai characters are used to classify the member in each groups. In the part of segmentation of connected characters, Thai distinctive features are used to identify the group of connected character. We have 10 groups and 10 methods to segment that connected characters to be single character. The document analysis module provides an algorithm to deskew, detect the columns, detect the lines of the scanned document to create a text file of the character strings in each column and each line. By using microcomputer of CPU 80486DX2-80 to test the document that contains about 50,000 characters, recognition rate is 97.6%. The average processing time is 36.4 characters per second.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectการรู้จำอักขระ (คอมพิวเตอร์)en_US
dc.subjectภาษาไทย -- ตัวอักษรen_US
dc.titleระบบรู้จำอักษรภาษาไทยโดยใช้ลักษณะบ่งความต่างของตัวอักษรไทยen_US
dc.title.alternativeA Thai character recognition system based on distinctive features of Thai charactersen_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมไฟฟ้าen_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorSomchai.J@chula.ac.th-
Appears in Collections:Grad - Theses

Files in This Item:
File Description SizeFormat 
Wicha_pa_front.pdf1.4 MBAdobe PDFView/Open
Wicha_pa_ch1.pdf445.79 kBAdobe PDFView/Open
Wicha_pa_ch2.pdf1.84 MBAdobe PDFView/Open
Wicha_pa_ch3.pdf4.49 MBAdobe PDFView/Open
Wicha_pa_ch4.pdf1.03 MBAdobe PDFView/Open
Wicha_pa_ch5.pdf455.47 kBAdobe PDFView/Open
Wicha_pa_back.pdf1.25 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.