Gazi niv. Mh. Mim. Fak. Der.

Cilt 20, No 1, 13-19, 2005

J. Fac. Eng. Arch. Gazi Univ. Vol 20, No 1, 13-19, 2005

YAPAY SNR ALARI LE TRKE TIMES NEW ROMAN, ARIAL VE ELYAZISI KARAKTERLER TANIMA
O. Ayhan ERDEM ve Emre UZUN
Elektronik Bilgisayar Eitimi Blm, Teknik Eitim Fakltesi, Gazi niversitesi, 06500 Teknikokullar, Ankara, ayerdem@gazi.edu.tr, emreuzun@hotmail.com (Geli/Received: 26.05.2004; Kabul/Accepted: 10.12.2004) ZET Yapay Sinir Alar (YSA), giri verilerinin yetersiz olduu, mevcut verilerden hareketle bilinmeyen ilikilerin ortaya karlmas ve algoritmas veya kurallar tam olarak bilinmeyen durumlar iin gelitirilmi bir bilgi ileme sistemidir. Bu almada, yapay sinir alarnn nemli bir uygulamas olan karakter tanma ilemi ele alnmtr. Times New Roman ve Arial biimindeki A dan Z ye 29 Trke karakter kk ve byk harfleriyle birlikte, elyazs karakterler, giri vektr olarak aa sunulmu ve YSAnn eitim ilemi bu karakterler zerinden gerekletirilmitir. Bu karakterler kullanlarak yazlm metin ieren resime karakter alglama ve tanma ilemi uygulandktan sonra, resim yazs metne dntrlmtr. Bu almada ok katmanl ileri beslemeli bir YSA mimarisi ve geri yaylm renme metodu kullanlmtr. Ayrca C++ Builder yazlm gelitirme ortam ile resimden karakter alglama ve tanma ilemini gerekletiren bir yazlm gelitirilmitir ve uygulamas yaplmtr. Anahtar Kelimeler: Yapay sinir alar, desen tanma, grnt ileme, elyazs tanma.

TURKISH TIMES NEW ROMAN, ARIAL, AND HANDWRITING CHARACTERS RECOGNITION BY NEURAL NETWORK
ABSTRACT Artificial Neural Networks are input data systems which are developed for the cases in which are starting from the available data to disclose the unknown relationships and the algorithm or data processing system in which rules are not exactly known. In this study, the pattern recognition procedure which is an important application of neural network was considered. Times New Roman, Arial, and handwriting Turkish characters between A and Z with their lower cases were submitted to the networks as input vectors and the training procedures were realized according to these characters. Then, after applying character perceiving and recognition process to image which contains text written using these characters, image article was transformed to text. In this study a multilayer forward feeding neural network architecture and a back propagation training method were used. Also a character perceiving software was developed by using the C++ Builder software development environment. Keywords: Artificial neural networks, pattern recognition, image processing, recognation of handwriting. 1. GR YSA, insan beyninin alma ilkelerinden ilham alnarak gelitirilmi, arlkl balantlar denilen tek ynl iletiim kanallar vastas ile birbirleriyle haberleen, her biri kendi hafzasna sahip birok ilem elemanndan (nronlardan) oluan paralel ve datk bilgi ileme yaplardr. YSAlar gerek dnyaya ait ilikileri tanyabilir, snflandrma, kestirim ve ilev uydurma gibi grevleri yerine getirebilirler. Desen tanma (Pattern recognition) tekniinin gereklilii, gerek dnya ile bilgisayar ilikisinin balamas ile ortaya kmtr. Bu durum YSAnn ok gl rnek tanma teknii olarak ortaya kmasna ve gelimesine neden olmutur [1]. Bu almada, resim zerindeki Trke yazy biimlendirilebilir metne dntrme zerinde durulurken, kullanlan resim rnekleri bilgisayar ortamnda oluturulmutur. Bu nedenle grlt minimum dzeyde olmaktadr.

O.A. Erdem ve E. Uzun

Yapay Sinir Alar ile Trke Tmes New Roman, Arial ve Elyazs Karakterleri Tanma

2. YAPAY SNR ALARI VE KARAKTER TANIMA Yapay sinir alarnn oluturulmas iin rnek tekil eden, biyolojik sinir alarnn ve insan beyninin en temel paralar, hatrlama, dnme, her harekette daha nceki deneyimlere bavurma yeteneini salayan kendine zg sinir hcreleridir. nsan beyninde yaklak 1011 sinir hcresi vardr. ekil 1de basitletirilmi biyolojik bir beyin sinir hcresi ve bileenleri ile ilikisi grlmektedir [2].

gsterilmitir. Matris zerinde dolu bulunan her piksel 1 deerini dier yerler ise 0 deerini almak zere, ekli ikili olarak kodlayabiliriz. Bunu tek bir vektr olarak yazarsak 35 bitlik ikili say veya buna karlk gelen onluk sayya gre bir karakter tablosundan arama yaplarak karakterin ASCII (American Standard Code for Information Interchange) kodu elde edilir. Bu tr bir yaklam hzl ve kolay bir metot olmasna karn gerek sistemlerde uygulanabilirlii yoktur. nk gerek hayattaki verilerde srekli olarak grlt ve bozucu etkiler mevcuttur. Byle bir ortamda ayn A karakterinin ASCII dntrcye geldiini varsayalm. Grlt ve etkiler sebebiyle meydana gelebilecek deiimler yukarda anlatlan metodun ilerliini ortadan kaldracaktr. nk bu metot giri verisi ile k verisi arasndaki uyumun tam olmasn gerektirmektedir. Dolaysyla sistem grltl bir ortamda yanl bir sonu retecektir.

ekil 1. Biyolojik bir beyin sinir hcresi ve bileenleri Yapay sinir alar, bir baka deyile, biyolojik sinir alarn taklit eden bilgisayar programlardr [1]. Bir ok YSA tipi bulunmakla birlikte, en ok kullanlan sinir a yaps, leri Beslemeli Geri Yaylml YSA olarak bilinendir. Belirsiz, grltl ve eksik bilgilerin ilenmesinde yapay sinir alar baaryla kullanlmaktadr. Temel YSA yaps ekil 2de gsterilmitir. Klasik bilgisayarlar bilgiyi belleinde belirli bir yerde saklar, sinir alar ise bilgiyi tm a boyunca datr. Bu durum datlm bellek olarak bilinir [3].

ekil 3. Dzgn bir A karakterinin 7x5lik bir matrisle ikili gsterimi Bu tr sorunlardan kurtulabilmenin yolu, grltdeki btn pikselleri paralel olarak inceleyebilecek ve bu grltleri ihmal edecek yeni bir ileme sistemidir. Bu sistem, bilinen karakterlere benzeyen fakat grlt nedeniyle bozuk olan ekilleri nceden rendii ekillerden birinin zelliine benzetebilmeli ve grlty tamamen ihmal edebilmelidir. Bu zelliklerin gerekletirilebilecei sistemler de YSAlardr [1,4]. 3. RESMDEK TRKE YAZININ METNE DNTRLMES Bu almada, tek gizli katmanl ileri beslemeli geri yaylml YSA modeli kullanlm olup, sinir ann renme yntemi olarak GDKdan (Genelletirilmi Delta Kural) faydalanlmtr. ncelikle tannmak istenilen her desen (karakter) sinir ana retilmelidir. Bu ilem iin yukarda bahsedildii gibi Times New Roman 12 punto ve Arial 11 punto fontlar ile yazlm retilecek desenler rnek seilerek giri vektrlerini oluturmak zere resim dosyas halinde kaydedilirler (ekil 4). Trke de Adan Zye 29 harf vardr. Kk harflerde eklendiinde 58 giri deseni elde edilir. Bu say yalnzca Times New Roman font biimi iindir, 58 tane de Arial iin font eklendiinde, toplam sinir amza reteceimiz giri deseni says 116 olur.

Giriler ...

klar

k Katman Giri Katman Gizli Katmanlar

ekil 2. ok katmanl bir yapay sinir a Karakter tanma ilemi zerinde yaplan almalar sonucunda, elle veya bask ile oluturulmu karakterlerin otomatik olarak nasl tannaca konusunda birok teknik gelitirilmitir [1]. Karakter tanma ilemi klasik bilgisayar mant ile de yaplabilmektedir. Fakat YSA ynteminin karakter tanma ileminde klasik metotlara gre avantajl yanlar ok daha fazladr. Klasik mantkla karakter tanma olay gerekletirilirken baz durumlar da birok zorluklar ortaya kmaktadr. rnek olarak; dzgn alfa nmerik ekilleri tanyabilmek iin karakteri bir matris haline dntrmek gerekmektedir. A harfinin 75lik bir ikili saydan oluan matris olarak temsil edilmesi ekil 3te

14

Gazi niv. Mh. Mim. Fak. Der. Cilt 20, No 1, 2005

Yapay Sinir Alar ile Trke Tmes New Roman, Arial ve Elyazs Karakterleri Tanma

O.A. Erdem ve E. Uzun

ekil 4. retilecek her karakterin tek bana resim dosyas eklinde kaytl hale getirilmesi Bu aamada, karakterlerin eitim ve uygulama srasnda sinir ann girileri iin temsil edilme biimlerinde iki farkl yntem gz nnde bulundurulmutur. 3.1. Karakterlerin Arlk Merkezine Dayal Gsterimi Arlk merkezine dayal tanma, karakterlerin arlk merkezlerinin farkl noktalarda olduu dncesinden ortaya kmtr. ekil 5de baz karakterlerin arlk merkezlerine iaret edilmitir. Bu ekil piksel olarak incelendiinde arlk merkezlerinin ayn noktada olduu sylenebilir. Oysa ki oransal temelden bakldnda farkl olacaktr. Arlk merkezine dayal snflandrma sabit karakter boyutlarnda iyi sonular vermektedir. Desenler giri matrisine, kendi arlk merkezleri ile matrisin arlk merkezi akacak ekilde yerleirler. ekil 6. Sinir a iin giri vektrnn elde edilecei harf matrisi Uygulamada esnasnda resimden alnan karakterler iin, sinir ann eitiminde ise rnek giri desenleri iin oluturulan bu harf matrisi vektr haline dntrlerek, 400 girili a yapsna sunulur. A klar uygulanan her harf desenine karlk gelen ASCII kodlar retecek ekilde tasarlanmtr. Giri vektr olarak A deseni uygulandnda 9 kl a yaps 65 desimal saysna karlk gelen binary sayy (001000001) retecektir. Bu ekilde sinir a desenleri doru ekilde reninceye kadar eitim ilemine devam edilir. Ancak eitim ilemi tamamlandktan sonra resimden metin elde etme ilemi verimli bir ekilde almaktadr. A girilerine Trke karakterler olan , , , , , , , , , , , harfleri uygulandnda, bu harflerin ASCII tablosunda karl olmadndan sinir ana hedef k olarak retilecek deerin ne olaca sorun tekil eder. Bu sorunu zmek iin bu zel Trke harflere zel kodlar oluturulmutur. Normal karakterlerin ASCII kodu retilirken a klar 9 bit olarak atanmtr. 9. bitin 0 olmas karakterin ASCII koda sahip olduu anlamna gelmektedir. 9. bit 1 olduunda; rnein kn (100000001)2 (257)10 hedef olmas durumunda kta elde edilen kod karl 255 den byk olduundan sinir a giriin karakteri olduunu anlayacaktr. izelge 1de sinir ann eitiminde kullanlan hedef k deerleri gsterilmektedir. Desenleri retme ilemi kabul edilebilir bir hata deeriyle sonlandrldnda, resim zerinden elde edilen karakterlerin sinir ana sunulmas mmkndr. ekil 7de sinir ana uygulanan rnek yaz ieren resim yaps grlmektedir. ekil 7de grlen resimdeki karakterleri elde etme ilemi u ekilde gereklemektedir; ncelikle resim siyah ve beyaz harici tm renklerden arndrlr (Thresold-Eikleme lemi). Bu ilemden sonra resim zerinde iki ayr tarama gerekletirilir. lk olarak, resim yatay eksende taranr ve satrlarn balang ve biti noktalar belirlenir. Her satrn yatay eksendeki balang ve biti noktalar dinamik bir liste yardmyla kaydedilir. Daha sonra her satr dey eksende taranr ve birbirinden ayr harflerin balang

ekil 5. Eitim desenlerinin arlk merkezleri Arlk merkezi kriteri her ne kadar ayrt edici zellik tayorsa da, ayn yaz tipinin farkl byklklerinde arlk merkezi kaymaktadr. Bu nedenle farkl zellik vektrlerine ihtiya duyulmaktadr [5]. 3.2. Karakterlerin Sabit Bir Desen Matrisinin Bir Noktasna Yerletirilmesi renme ilemi srasnda retilecek her karakterin resim biimi hazr olduundan (siyah-beyaz biiminde), bu resim dosyalarndan piksel deerleri okunarak desen matrisinin sol st kenarna yaslanacak ekilde yerletirilir (ekil 6). Her iki yaklam iin de, desen matrisi 20x20 olarak sinir ann girilerine gre dzenlenmitir. Bu almada, uygulamada kolaylk olmas asndan karakterlerin sinir ana sunulmasnda ikinci temsil biimi kullanlmtr.

Gazi niv. Mh. Mim. Fak. Der. Cilt 20, No 1, 2005

15

O.A. Erdem ve E. Uzun

Yapay Sinir Alar ile Trke Tmes New Roman, Arial ve Elyazs Karakterleri Tanma

izelge 1. Yapay sinir ann eitimi iin hedef k deerleri Arial 11pt hedef k deerleri Times New Roman 12pt hedef k deerleri 001100001-a 001000001-A 001100001-a 001000001-A 001100010-b 001000010-B 001100010-b 001000010-B 001100011-c 001000011-C 001100011-c 001000011-C 100000111- (263) 100000001- (257) 100000111- (263) 100000001- (257) 001100100-d 001000100-D 001100100-d 001000100-D 001100101-e 001000101-E 001100101-e 001000101-E 001100110-f 001000110-F 001100110-f 001000110-F 001100111-g 001000111-G 001100111-g 001000111-G 100001000- (264) 100000010- (258) 100001000- (264) 100000010- (258) 001101000-h 001001000-H 001101000-h 001001000-H 001101001-i 001001001-I 001101001-i 001001001-I 100001001- (265) 100000011- (259) 100001001- (265) 100000011- (259) 001101010-j 001001010-J 001101010-j 001001010-J 001101011-k 001001011-K 001101011-k 001001011-K 001101100-l 001001100-L 001101100-l 001001100-L 001101101-m 001001101-M 001101101-m 001001101-M 001101110-n 001001110-N 001101110-n 001001110-N 001101111-o 001001111-O 001101111-o 001001111-O 100001010- (266) 100000100- (260) 100001010- (266) 100000100- (260) 001110000-p 001010000-P 001110000-p 001010000-P 001110010-r 001010010-R 001110010-r 001010010-R 001110011-s 001010011-S 001110011-s 001010011-S 100001011- (267) 100000101- (261) 100001011- (267) 100000101- (261) 001110100-t 001010100-T 001110100-t 001010100-T 001010101-U 001110101-u 001010101-U 001110101-u 100000110- (262) 100001100- (268) 100000110- (262) 100001100- (268) 001010110-V 001110110-v 001010110-V 001110110-v 001011001-Y 001111001-y 001011001-Y 001111001-y 001011010-Z 001111010-z 001011010-Z 001111010-z

ekil 7. rnek yaz ieren taranm resim ve biti noktalar belirlenir. Aralarnda en az bir piksel boluk olan harfler birbirinden ayrlabilir [6]. Bu aamada karakterin yatay ve dey eksendeki balang noktalar aradaki boluklar yardmyla tespit edilip yine bir dinamik listeye kaydedilir. Karakterlerin tek tek belirlenmesi esnasnda nemli olan nokta her harf arasnda en az bir piksel boluk olmasdr. Aksi taktirde harfler birbirinden ayrlamaz. Bu noktada kelimeler arasndaki boluu tespit etmek zor olur. Bu nedenle dey eksendeki taramalar esnasnda karakterler arasndaki boluklarn piksel olarak deerleri toplamnn aritmetik ortalamasnn, tahmini kelimeler aras bolua eit olduu kabul edilmitir. Eer iki karakter aras boluk hesaplanm tahmini kelimeler aras boluktan fazla ise, bu boluun iki kelime aras boluk olduu sonucuna varlr [7-9]. Bylece kelimeler birbirinden ayrlm olur. Dolaysyla kelime arasndaki boluklar tespit
16

edildiine gre, ne olduu zaten belli olan bir karakterin sinir ana sunulmasna gerek kalmaz. Bu aamada karakterler dorudan ayrlmaz. ekil 8de ilk admda belirlenen veriler grlmektedir. lk admda resimden elde edilen veriler olan, karakterlerin yatay ve dey eksenlerdeki balang ve biti noktalar, ikinci admda karakterlerin resimden alnmas ileminde kullanlr. Karakterler resim olarak kartlp hafzada saklanr ve daha sonraki ilem basamaklarna geilir [5,10]. Karakterlerin birbirinden ayrlmas tamam fakat satrn ykseklii, karakter ykseklii ile ayn olmad iin resimden ayrlan karakterin sol ve sa yannda problem olmayacaktr fakat st ve alt ksmlarnda fazlalklar olmas muhtemeldir. Bu nedenle her karakter resmi sinir ana sunulmadan nce bir n ilemden daha geirilmitir. Krpma
Gazi niv. Mh. Mim. Fak. Der. Cilt 20, No 1, 2005

Yapay Sinir Alar ile Trke Tmes New Roman, Arial ve Elyazs Karakterleri Tanma

O.A. Erdem ve E. Uzun

ekil 8. Resim zerinde ilk admda elde edilen veriler ilemiyle, karakter resminin st ve alt ksmndaki gereksiz ksmlar yok edilerek, resimden elde edilen her karakter ekil 10da grld ekle gelmitir. Eer krpma ilemi uygulanmasayd, ekil 9 daki harf biimi 20x20 matrise daha nce anlatld gibi yerletirildiinde retilen harf ile uygulanan harf arasnda iliki kurulamaz ve dolaysyla harf deseni doru bir ekilde tannamazd. ekil 10daki gsterim, harf deseninin retildii biimle ayn olduu iin tanma ilemi sorunsuz gerekleir. Sonu olarak eitimde kullandmz giri matrisi nasl ise, uygulama iin de ayn giri matrisi elde edilmeye allmaldr. Aksi taktirde sinir a girilerine uygulanan deseni tanyamaz [8]. ekil 11deki ak emas resimden karakterleri elde etme ve sinir ana uygulama ilemini gstermektedir. Sinir ana uygulanan her harf deseni iin a, ASCII kodunu (Trke karakterler iin zel, ASCII kod aralnda olmayan zel bir kod biimi) retecek ve tannan her harf artk metin anlam tayacaktr. Bu aamadan sonra, ekil 12de grld gibi,. Times New Roman ve Arial fontlar gibi standart karakterlere, ekil 13den grld gibi, elyazs formunda olan cmlelere, ekil 14den grld gibi, elyazs harfler zerinde her trl biimlendirme, dzeltme, ekleme ve karma ilemleri gerekletirilen metin elde edilmitir.

ekil 9. Krpma ileminden nce elde edilen r harfi

ekil 10. Krpma ileminden sonra r harfi

Bala

Sradaki karakteri aa uygula ve a klarn ret

Sinir an, uygulanacak giri desenleri iin eit

Resimden karakterleri al

Sinir ann kta rettii ascii koda karlk gelen karakteri metne ekle

Karakterler bitene kadar

Ch

Sonu olarak oluturulan metni gster

Bitir

ekil 11. Resimden alnan karakterlerin sinir ana sunumu ve karakterin tannmas emas
Gazi niv. Mh. Mim. Fak. Der. Cilt 20, No 1, 2005 17

O.A. Erdem ve E. Uzun

Yapay Sinir Alar ile Trke Tmes New Roman, Arial ve Elyazs Karakterleri Tanma

ekil 12. Times New Roman ve Arial fontlar iin uygulama ekran kts

ekil 13. Elyazs tanma uygulamas ekran kts 4. SONU VE NERLER Yaplan bu alma gnlk hayatta kullanlabilecek Arapa, Farsa karakterleri gibi, baz uygulamalarda denenememitir. Fakat gerekletirilen uygulama bunlara baz deiiklikler ile uyarlanabilir. rnein; tarayc kullanlarak elde edilen bir kitap sayfasndaki metni okuyabilen bir uygulamaya uyarlamak mmkndr. Kurulacak sistemde resim eklinde kaydedilen kitap sayfasndan, resim ileme yntemleri ile karakterler birer birer alnr ve daha nceden eitilen YSA kullanlarak karakter tanma ilemi gerekletirilebilir. Bu tanma ilemi, almada gelitirilen program aracl ile gerekletirilmektedir. Burada dikkat edilmesi gereken en nemli husus; tarayc ile sayfalar resim eklinde elde ederken mmkn olduunca bozulmasn nlemek olmaldr. Ayn ekilde, niversite yerlekesi gibi giri ve klarn denetimli olarak salanmas gereken yerlerde kullanlan ara plaka tanma sistemleri de bu uygulamadan faydalanlarak gerekletirilebilir. Kamerayla belirli bir uzaklkta duran aracn plakasnn resmi ekilir. Resim ileme yntemleri kullanlarak, plaka zerindeki harf ve rakamlar elde edilir ve daha nceden bu harf ve rakamlar tanmak zere eitilmi YSAna sunulur. Sonuta resim biimindeki plaka, anlaml harf ve rakam deerleri ieren bir bilgiye dnr. Elde edilen bu bilgi kullanlarak veritaban sorgulamas ile aracn giri veya k iin yetkisinin olup olmadna karar verilir.

18

Gazi niv. Mh. Mim. Fak. Der. Cilt 20, No 1, 2005

Yapay Sinir Alar ile Trke Tmes New Roman, Arial ve Elyazs Karakterleri Tanma

O.A. Erdem ve E. Uzun

ekil 14. Elyazs harfleri tanma uygulamas ekran kts Gelitirilen algoritma ve program, kvrml ve birbirlerine temas eden harflere sahip dillere de uygulanabilir. Bunun iin harflerin birbirine temas etmesinden kaynaklanacak sorunlar giderilmelidir. Gnmzde standart bilgisayar karakterlerini tanmak elyazs karakterlere gre daha kolay iken, elyazs ile yazlan karakterlerin binlerce eit olabilmesinden dolay, tanmak zor ve kstldr. Bu gibi uygulamalarn baars an retilmesine bal olarak deimektedir. Daha nce retilmi el yazlarnda %004 orannda hatal sonular alnmaktadr. retilmemi el yazlarnda ise, bu oran yaklak olarak % 4 civarndadr. Geriye yaylm anda gizli katmandaki nron miktar an hatrlama ve performans zerinde ok etkili olmaktadr. Gizli katmanlardaki nron saysnn fazlal eitim ileminin fazla zaman almasna neden olurken an hatrlama kabiliyetini de ayn oranda artrmaktadr. Eer ilem elemanlarnn says fazla tutulursa eitimden sonra hatrlama kabiliyeti de o kadar iyi olmaktadr. Ancak iyi bir eitim sonrasnda da gizli katmandaki nron saysnn az olmas an hatrlama kabiliyeti zerinde fazla etkili olmamaktadr. Sonu olarak, yapay sinir alar, algoritmalar karlamayan problemler iin, zm salayan yeni ve gvenli bir bilgi ileme sistemi olabilmektedir. Yaplan alma bu durum iin uygun bir rnek durumundadr. KAYNAKLAR 1. Elmas, ., Yapay Sinir Alar, SekinYaynevi, Ankara, 2003. Fausett, L., Fundamentals of neural networks, Prentice-Hall, Inc., 1994. 3. Akpnar, H., Yapay Sinir Alar ve Kredi Taleplerinin Deerlendirilmesinde Bir Uygulama nerisi, stanbul niversitesi letme Fakltesi Saysal Yntemler Ana Bilim Dal, stanbul, 1993. 4. Kl, H. B., Yapay Sinir Alar le Karakter Alglama, Yksek Lisans Tezi, Gazi niversitesi Fen Bilimleri Enstits, Ankara, 1998. 5. Nabiyev, V. V., Yapay Zeka, Sekin Yaynevi, Ankara, 2003. 6. Douglas Rohde, LENS: The Light, Efficient Neural Network Simulator, http://tedlab.mit.edu/~dr/Lens/. 7. Amin, A., Singh, S., Machine Recognition of Hand-Printed Chinese Characters, Intelligent Data Analysis-An International Journal, http://wwweast.elsevier.com/ida/browse/0102/00 08/ida00008.htm, 1, issue 2, 1998. 8. Suen, C.Y. and Yu, C.L., Performance Assessment of a Character Recognition Expert System, Int. Expert Systems Application EXPERSYS 90, 195-300 1990. 9. Fu, K. S., Applications of Pattern Recognition, Roca Raton, Florida, 1990. 10. Masayoshi O., & Kazuhiko Y., On-Line Handwriting Character Recognition using Direction-Change Features that Consider Imaginary Strokes, Pattern Recognition, 32, 1115-1128, 1999. 2.

Gazi niv. Mh. Mim. Fak. Der. Cilt 20, No 1, 2005

19