Handwritten Digit Recognition with Boundary Curve and Skeleton Features

Hasan Hüseyin Çelik; İhsan Gök

Makale detayları

Handwritten Digit Recognition with Boundary Curve and Skeleton Features

Yazarlar:

Hasan Hüseyin Çelik | İhsan Gök

Yayıncı:

Giresun University

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Karadeniz Fen Bilimleri Dergisi Vol.15 Issue 1, pp.577-591

Belge Tipi:

Makale

Yayın Tarihi:

3/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001342332

pISSN:

2564-7377

Anahtar kelimeler:

Özet:

 In this study, an application related to handwritten digit recognition is introduced. The feature data used for the recognition of handwritten digits are extracted from the boundary curve and skeletal structure of the digit shape. These two feature sets show complementary properties in recognizing the formal features of digits. First, handwritten digit images are parsed in the background and converted into black-white binary images, and in the following stage, 40x40 image matrix data are obtained by normalization process. Based on these matrix data, the boundary curve and skeletal forms of the handwritten character are created. 300 handwritten digit samples are used in the study. A data set is produced by using different features extracted from the boundary curve and skeletal forms. The classification of handwritten digits is provided by using an Artificial Neural Network ANN trained with the obtained data set. With the use of a limited number of samples, the recognition success is 96.7.

 In this study, an application related to handwritten digit recognition is introduced. The feature data used for the recognition of handwritten digits are extracted from the boundary curve and skeletal structure of the digit shape. These two feature sets show complementary properties in recognizing the formal features of digits. First, handwritten digit images are parsed in the background and converted into black-white binary images, and in the following stage, 40x40 image matrix data are obtained by normalization process. Based on these matrix data, the boundary curve and skeletal forms of the handwritten character are created. 300 handwritten digit samples are used in the study. A data set is produced by using different features extracted from the boundary curve and skeletal forms. The classification of handwritten digits is provided by using an Artificial Neural Network ANN trained with the obtained data set. With the use of a limited number of samples, the recognition success is 96.7.

 In this study, an application related to handwritten digit recognition is introduced. The feature data used for the recognition of handwritten digits are extracted from the boundary curve and skeletal structure of the digit shape. These two feature sets show complementary properties in recognizing the formal features of digits. First, handwritten digit images are parsed in the background and converted into black-white binary images, and in the following stage, 40x40 image matrix data are obtained by normalization process. Based on these matrix data, the boundary curve and skeletal forms of the handwritten character are created. 300 handwritten digit samples are used in the study. A data set is produced by using different features extracted from the boundary curve and skeletal forms. The classification of handwritten digits is provided by using an Artificial Neural Network ANN trained with the obtained data set. With the use of a limited number of samples, the recognition success is 96.7.

 Bu çalışmada el yazısı rakam tanımaya ilişkin bir uygulama tanıtılmaktadır. El yazısı rakamların tanınması amacıyla kullanılan öznitelik verileri, rakam şeklinin sınır eğrisi ve iskelet yapısından çıkartılmaktadır. Bu iki öznitelik seti, rakamlara ait biçimsel özellikleri tanımada tamamlayıcı özellikler göstermektedir. El yazısı rakam görselleri öncelikle arka zeminde ayrıştırılarak siyah-beyaz ikili görüntüye dönüştürülmüş ve izleyen aşamada normalizasyon işlemi ile 40x40 boyutlarında görüntü matris verileri elde edilmiştir. Bu matris verileri temel alınarak el yazısı karakterin sınır eğrisi ve iskelet formları oluşturulmuştur. Çalışmada 300 adet el yazısı rakam örnekleri kullanılmıştır. Sınır eğrisi ve iskelet formlarından çıkartılan farklı öznitelikler kullanılarak bir veri seti üretilmiştir. Elde edilen veri seti ile eğitilen bir Yapay Sinir Ağı YSA kullanılarak el yazısı rakamların sınıflandırılması sağlanmıştır. Sınırlı sayıda örnek kullanımı ile birlikte tanıma başarısı 96.7 olarak elde edilmiştir.

Makale detayları

Handwritten Digit Recognition with Boundary Curve and Skeleton Features

Yazarlar:

Hasan Hüseyin Çelik | İhsan Gök

Yayıncı:

Giresun University

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Karadeniz Fen Bilimleri Dergisi Vol.15 Issue 1, pp.577-591

Belge Tipi:

Makale

Yayın Tarihi:

3/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001342332

pISSN:

2564-7377

Handwritten digit recognition

Shape boundary curve

Shape skeleton

Artificial neural networkEl yazısı rakam tanıma

Şekil sınır eğrisi

Şekil iskeleti

Yapay sinir ağı

Sayı

Makale detayları

Yazarlar: Hasan Hüseyin Çelik | İhsan Gök

Yayıncı: Giresun University

Ana Başlıklar: Bilgisayar Yazılımı

Dergi: Karadeniz Fen Bilimleri Dergisi Vol.15 Issue 1, pp.577-591

Belge Tipi: Makale

Yayın Tarihi: 3/2025

Belge Dili: Türkçe

Document ID (Org No.): 2001342332

pISSN: 2564-7377

Sayı

Yazarlar:

Hasan Hüseyin Çelik | İhsan Gök

Yayıncı:

Giresun University

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Karadeniz Fen Bilimleri Dergisi Vol.15 Issue 1, pp.577-591

Belge Tipi:

Makale

Yayın Tarihi:

3/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001342332

pISSN:

2564-7377