%0 Journal Article %T بازشناسی علامت‌های ساکن زبان اشاره‌ی فارسی با استفاده از یک توصیف‌گر شکلی جدید %J مجله بینایی ماشین و پردازش تصویر %I انجمن بینایی ماشین و پردازش تصویر ایران %Z 2383-1197 %A موسویان, ژیلا %A ابراهیم‌نژاد, حسین %D 2014 %\ 02/20/2014 %V 1 %N 2 %P 57-66 %! بازشناسی علامت‌های ساکن زبان اشاره‌ی فارسی با استفاده از یک توصیف‌گر شکلی جدید %K آنالیز مؤلفه‌ی اصلی %K بازشناسی %K زبان اشاره‌ %K ماشین‌ بردار پشتیبان %K نزدیکترین همسایه %K نمونه‌برداری %R %X در این مقاله یک سیستم برای بازشناسی علامت‌های ساکن زبان اشاره‌ی فارسی پیشنهاد شده است. این سیستم بر مبنای یک ویژگی شکلی جدید طراحی شده و قادر است با نرخ تشخیص بالایی، علامت‌های ساکن الفبای زبان اشاره‌ی فارسی را به طور خودکار بازشناسی کند. در اینسیستم، ابتدا با استفاده از آنالیز مؤلفه‌ی اصلی (PCA)، جهت‌های غالب دست را بدست می‌آوریم و تصاویر را در جهت غالب دست، به نحوی که سیستم مختصات جدید تصویر بر راستای جهت‌های غالب دست منطبق شود، می‌چرخانیم. سپس یک ویژگی در ارتباط با انواع شکل دست در این مقاله پیشنهاد می‌شود و این ویژگی بر روی تصاویر تنظیم شده اعمال می‌شود. در مرحله‌ی استخراج ویژگی،ابتدا مرکز ثقل شکل دست و منحنی پیرامونی آن را در هر تصویر بدستمی‌آوریم و از منحنی پیرامونی بدست آمده در هر علامت،نمونه‌برداری می‌کنیم. سپس برای بدست آوردن اطلاعات شکلی مناسب از حالت دست،دوایری به مرکز نقطه وسط بین مرکز ثقل شکل دست و نقاط نمونه‌برداری شده و به شعاع نصف فاصله‌ی بین نقاط ذکر شده برازش می‌دهیم. از این دوایر،اطلاعاتی از شکل دست به عنوان بردار ویژگی برای هر علامتتهیه می‌شود. برای بازشناسی علامت‌ها با قابلیت اطمینان بالا، یک سیستم ترکیبی از دو کلاس بند ماشین‌ بردار پشتیبان (SVM) و K نزدیکترین همسایه  (KNN) را پیشنهاد می کنیم. نرخ بازشناسی و قابلیت اطمینان سیستم پیشنهادی بر روی مجموعه‌ی آزمایشی پایگاه داده PSLبه ترتیب 33/93% و 73/98% می‌باشد که مؤید این مطلب است که عملکرد سیستم پیشنهادیتا حدود زیادی رضایت بخش و مطلوب می‌باشد.  %U https://jmvip.sinaweb.net/article_4531_23c68d78b071d24f27c4c6e33348c59b.pdf