Одним из популярных подходов, применяемых для распознавания рукописного текста, является представление изображений целых слов в виде последовательностей символов марковской цепи. Набор извлекаемых из изображений символов анализируется на предмет соответствия заранее подготовленным моделям слов (модели-шаблоны). Слово, модель которого обладает наибольшей вероятностью формирования анализируемой последовательности, признаётся искомым. Вариативность написания рукописных слов приводит к необходимости анализа извлекаемой из изображения последовательности символов моделями, сформированными для слов, состоящих из разного количества символов. В случае, когда анализируемое слово отличается от слова, используемого для модели-шаблона только окончанием, модель-шаблон более длинного слова получает математическое преимущество над моделью более короткого слова, что приводит к ошибкам распознавания. В статье предлагается для уменьшения ошибок распознавания нормирование изображения
One of the most popular approaches for handwriting recognition is the representation of entire words in sequences of symbols of the Markov chain. The set extracted from the images of the symbols is analyzed for compliance with a pre-prepared word patterns (model templates). The word whose model has the highest probability of formation of the analyzed sequences recognized the target. The variability of cursive writing words leads to the need of the analysis extracted from the image sequence of characters with models generated for words consisting of different numbers of digits. In the case where the analyzed word different from the word used for the model-only template, model template longer words earns you a mathematical advantage over the model of the shorter words, leading to recognition errors. The paper proposes to reduce recognition errors, the normalization of the image.
The authors declare that there are no conflicts of interest present.