of aninstitution and give it visibi

of an
institution and give it visibility and more impact on
worldwide level whereas optical music recognition has many
applications like processing of different classes of music,
large scale digitization of musical data and also it can be used
for diversity in musical notation.
The primary step involved in the implementation of optical
character recognition is object segmentation. According to
the literature survey, a number of methods have been used for
segmentation. In the bimodal images used for the
applications, the histogram shows a sharp and deep valley
between two peaks representing the objects and background
respectively. The histogram can be used to select the
threshold representing the bottom of this valley.
Khankasikam et al [8], [9] proposed the valley sharpening
techniques which restricts the histogram to the pixels with
large absolute values of derivatives where as S. Wantanable
et. Al [10], [11] proposed the histogram difference method,
which selects threshold at the gray level with the maximum
amount of difference. This method uses the information
concerning neighboring pixels or edges in the original picture
to modify the histogram so as to make it useful for
thresholding. Another method includes directly dealing with
the grey level histogram by parametric techniques. By a sum
of Gaussian distributions histogram is approximated in the
least sense square and a statistical decision procedures are
applied [10]. These methods are tedious and they involve
high computational power. In Di gesu [12], [10] the idea of
using both intensities and spatial information has been
considered to take into account local information used in
human perception. A number of new methodologies and
strategies have been proposed over the past few years to find
global as well as local solutions in nonlinear multimodal
function optimization [12], [13], [14]. In addition attempts
have also been made to use Fuzzy Logic [15], Artificial
Neural Network [16] for optical character recognition. With
the help of crowding multiple peaks can be maintained in
multimodal optimization problem. Crowding method is
extremely reliable in detecting the peaks on bimodal
histogram. Further, GA can be applied to discover the valley
bottom between these peaks which can be used as threshold
for extracting information from the background. Genetic
algorithms offer a particularly interesting approach as they
are quite effective for rapid global search of large, non-liner
and poorly understood spaces. Moreover genetic algorithms
are every effective in solving large scale problems [17].
This paper makes use of an OCR system which makes use
of histogram equalization to extract images. The histogram
used by the mentioned algorithm is bimodal in nature hence it
can be divided into two classes [18]. Genetic algorithm is
further used to select the threshold from the histogram for
extracting the object from the background. The abilities of
the system are tested on images with noise, blur and change
in illumination.

ผลลัพธ์ (ไทย) 1:

ของการสถาบัน และให้มองเห็นและผลกระทบเพิ่มเติมในทั่วโลกระดับขณะการแสงดนตรีมีจำนวนมากโปรแกรมประยุกต์เช่นการประมวลผลประเภทต่าง ๆ ของเพลงdigitization ขนาดใหญ่ของข้อมูลดนตรี และยังสามารถใช้สำหรับความหลากหลายในสัญกรณ์ดนตรีขั้นตอนหลักที่เกี่ยวข้องในการดำเนินงานของอักขระจะแบ่งวัตถุ ตามที่สำรวจวรรณกรรม ตัวเลขวิธีการใช้สำหรับแบ่ง ในรูป bimodal ที่ใช้สำหรับการโปรแกรมประยุกต์ ฮิสโตแกรมแสดงราคาหุบเขาลึก และคมชัดระหว่างยอดเขาสองแสดงวัตถุและพื้นหลังตามลำดับ สามารถใช้ฮิสโตแกรมที่ต้องการขีดจำกัดที่แสดงด้านล่างของหุบเขานี้Khankasikam et al [8], [9] การนำเสนอเรื่องวัลเลย์เทคนิคซึ่งจำกัดฮิสโตแกรมพิกเซลด้วยค่าขนาดใหญ่ของตราสารอนุพันธ์ที่เป็น S. Wantanableร้อยเอ็ด อัล [10], [11] เสนอวิธีแตกต่างฮิสโตแกรมที่เลือกขีดจำกัดระดับสูงสุดสีเทาจำนวนผลต่าง วิธีนี้ใช้ข้อมูลเกี่ยวกับพิกเซลใกล้เคียงหรือขอบรูปภาพต้นฉบับฮิสโตแกรมเพื่อให้เป็นประโยชน์ในการปรับเปลี่ยนthresholding นั้น วิธีอื่นมีการจัดการโดยตรงกับตัวสีเทาระดับฮิสโตแกรม โดยเทคนิคพาราเมตริก โดยรวมของการกระจาย Gaussian ฮิสโตแกรมจะเลียนแบบในการตารางอย่างน้อยความรู้สึกและกระบวนการตัดสินใจทางสถิติใช้ [10] วิธีการเหล่านี้จะน่าเบื่อ และที่เกี่ยวข้องกับกำลังคำนวณสูง ในดิ gesu [12], [10] แนวคิดของใช้ข้อมูลปริภูมิและปลดปล่อยก๊าซแล้วถือเป็นข้อมูลเฉพาะบัญชีที่ใช้ในมนุษย์รับรู้ จำนวนหลักสูตรใหม่ และกลยุทธ์ที่ได้รับการเสนอผ่านไม่กี่ปีที่ผ่านมาในการค้นหาโซลูชั่นทั่วโลก รวมทั้งเครื่องในเนื่องไม่เชิงเส้นฟังก์ชันปรับ [12], [13], [14] นอกจากนี้ พยายามนอกจากนี้ยังทำการใช้ตรรกศาสตร์ [15], ประดิษฐ์ข่ายประสาท [16] สำหรับการรู้จำอักขระด้วยแสง มีความช่วยเหลือของกครั้งพีคส์หลายสามารถเก็บรักษาไว้ในเพิ่มประสิทธิภาพทุกปัญหา กครั้งวิธีคือความน่าเชื่อถืออย่างมากในการตรวจสอบยอดใน bimodalฮิสโตแกรม เพิ่มเติม ใช้ GA จะเยือนหุบเขาระหว่างยอดเขาเหล่านี้ซึ่งสามารถใช้เป็นขีดจำกัดล่างสำหรับการดึงข้อมูลรายละเอียดจากพื้นหลัง ทางพันธุกรรมอัลกอริทึมมีวิธีการน่าสนใจโดยเฉพาะอย่างยิ่งเป็นพวกเขามีประสิทธิภาพมากสำหรับการค้นหาอย่างรวดเร็วของใหญ่ ไม่ซับและช่องว่างเข้าใจงาน นอกจากนี้พันธุกรรมอัลกอริทึมมีขนาดใหญ่ทุกมีประสิทธิภาพในการแก้ปัญหา [17] การปรับมาตราส่วนเอกสารนี้ช่วยให้ใช้ OCR เป็นระบบที่ทำให้ใช้ของฮิสโตแกรมปรับแต่งขยายภาพ ฮิสโตแกรมใช้ที่กล่าวถึงอัลกอริทึมเป็น bimodal ในธรรมชาติดังนั้นสามารถแบ่งออกได้เป็น 2 ประเภท [18] เป็นอัลกอริทึมทางพันธุกรรมใช้เพื่อเลือกขีดจำกัดจากฮิสโตแกรมสำหรับเพิ่มเติมแยกวัตถุจากพื้นหลัง ความสามารถของทดสอบระบบในภาพที่มีเสียงรบกวน เบลอ และเปลี่ยนแปลงในรัศมี

ผลลัพธ์ (ไทย) 2:

ของสถาบันการศึกษาและให้การมองเห็นและผลกระทบอื่น ๆ ในระดับทั่วโลกในขณะที่การรับรู้เพลงแสงมีจำนวนมากการใช้งานเช่นการประมวลผลของการเรียนที่แตกต่างกันของเพลงแปลงขนาดใหญ่ของข้อมูลดนตรีและยังสามารถนำมาใช้สำหรับความหลากหลายในโน้ตดนตรี. ขั้นตอนหลักที่เกี่ยวข้องกับการ ในการดำเนินการออปติคอลรู้จำตัวอักษรคือการแบ่งส่วนวัตถุ ตามการสำรวจวรรณกรรมจำนวนของวิธีการได้ถูกนำมาใช้สำหรับการแบ่งส่วน ในภาพ bimodal ที่ใช้สำหรับการใช้งานที่กราฟแสดงให้เห็นหุบเขาที่คมชัดและลึกระหว่างสองยอดเขาเป็นตัวแทนของวัตถุและพื้นหลังตามลำดับ กราฟสามารถนำมาใช้เพื่อเลือกเกณฑ์ที่เป็นตัวแทนของด้านล่างของหุบเขานี้. Khankasikam et al, [8] [9] เสนอเหลาหุบเขาเทคนิคที่จำกัด histogram ทำให้พิกเซลที่มีค่าแน่นอนมากของสัญญาซื้อขายล่วงหน้าที่เป็นเอสWantanable et . อัล [10] [11] เสนอวิธีการที่แตกต่างแท่ง, ที่เลือกเกณฑ์ในระดับสีเทาสูงสุดจำนวนเงินที่แตกต่างกัน วิธีนี้จะใช้ข้อมูลที่เกี่ยวกับพิกเซลเพื่อนบ้านหรือขอบในภาพเดิมที่จะปรับเปลี่ยนแท่งเพื่อที่จะทำให้มันมีประโยชน์สำหรับthresholding อีกวิธีหนึ่งโดยตรงรวมถึงการจัดการกับกราฟระดับสีเทาโดยใช้เทคนิคพารา โดยเป็นผลรวมของกราฟการกระจายเสียนเป็นห้วงในตารางอย่างน้อยความรู้สึกและขั้นตอนการตัดสินใจทางสถิติที่จะนำไปใช้[10] วิธีการเหล่านี้เป็นที่น่าเบื่อและพวกเขาเกี่ยวข้องกับกำลังการคำนวณสูง ใน Di Gesu [12] [10] ความคิดของการใช้ทั้งความเข้มและข้อมูลเชิงพื้นที่ได้รับการพิจารณาเพื่อนำเข้าข้อมูลท้องถิ่นบัญชีที่ใช้ในการรับรู้ของมนุษย์ จำนวนของวิธีการใหม่และกลยุทธ์การได้รับการเสนอในช่วงไม่กี่ปีที่ผ่านมาเพื่อหาสิ่งที่ทั่วโลกรวมทั้งการแก้ปัญหาในท้องถิ่นต่อเนื่องหลายรูปแบบไม่เชิงเส้นเพิ่มประสิทธิภาพการทำงาน[12] [13], [14] ในความพยายามที่นอกจากนี้ยังได้รับการสร้างขึ้นมาเพื่อใช้ตรรกศาสตร์ [15], ประดิษฐ์ประสาทเครือข่าย[16] สำหรับจดจำตัวอักษรแสง ด้วยความช่วยเหลือของหลาย crowding ยอดเขาที่สามารถเก็บรักษาไว้ในปัญหาการเพิ่มประสิทธิภาพต่อเนื่อง วิธี crowding เป็นความน่าเชื่อถือมากในการตรวจสอบยอดในbimodal กราฟ นอกจากนี้ GA สามารถนำมาใช้ในการค้นพบในหุบเขาด้านล่างระหว่างยอดเขาเหล่านี้ที่สามารถใช้เป็นเกณฑ์สำหรับการสกัดข้อมูลจากพื้นหลัง พันธุกรรมขั้นตอนวิธีการมีวิธีการที่น่าสนใจโดยเฉพาะอย่างยิ่งที่พวกเขามีประสิทธิภาพมากสำหรับการค้นหาทั่วโลกอย่างรวดเร็วของขนาดใหญ่ที่ไม่ใช่สายการบินและพื้นที่เข้าใจ นอกจากนี้ขั้นตอนวิธีพันธุกรรมมีทุกที่มีประสิทธิภาพในการแก้ปัญหาขนาดใหญ่ [17]. กระดาษนี้จะทำให้การใช้งานของระบบ OCR ซึ่งทำให้การใช้ของเท่าเทียมกันHistogram เพื่อดึงภาพ กราฟที่ใช้โดยขั้นตอนวิธีการดังกล่าวเป็น bimodal ในธรรมชาติจึงสามารถแบ่งออกเป็นสองชั้น[18] ขั้นตอนวิธีทางพันธุกรรมจะใช้ต่อไปเพื่อเลือกเกณฑ์จาก histogram สำหรับการแยกวัตถุจากพื้นหลัง ความสามารถของระบบที่มีการทดสอบในภาพที่มีสัญญาณรบกวนภาพเบลอและการเปลี่ยนแปลงในการส่องสว่าง

ผลลัพธ์ (ไทย) 3:

ของสถาบัน และให้มองเห็น

ทั่วโลกและผลกระทบมากขึ้นในระดับในขณะที่แสงเพลงยอมรับมีหลายโปรแกรม เช่น การประมวลผลของชั้นเรียนที่แตกต่างกันของ
เพลง
ขนาดใหญ่ที่เหมาะสมของข้อมูลดนตรีและมันยังสามารถใช้สำหรับความหลากหลายในสัญกรณ์ดนตรี
.
หลักขั้นตอนที่เกี่ยวข้องในการดำเนินงานของ Optical Character Recognition
คือการตัดวัตถุ ตาม
การสำรวจวรรณกรรม จำนวนของวิธีการได้รับการใช้สำหรับ
. ในไบโมดอลภาพใช้สำหรับ
โปรแกรม , Histogram แสดงคม
หุบเขาลึกระหว่างสองยอดที่เป็นตัวแทนของวัตถุและพื้นหลัง
ตามลำดับ กราฟแสดงความถี่ที่สามารถใช้เพื่อเลือกแทน
ธรณีประตูด้านล่างของหุบเขานี้ .
khankasikam et al [ 8 ] , [ 9 ] เสนอหุบเขาลับ
เทคนิค ซึ่ง จํากัด ฮิสโตแกรมเพื่อพิกเซลกับ
ค่าแน่นอนขนาดใหญ่ของอนุพันธ์ที่เป็น wantanable
et al . [ 10 ] [ 11 ] ส่วนต่างเสนอวิธี
ที่เลือกเกณฑ์ที่ระดับสีเทากับสูงสุด
ปริมาณของความแตกต่าง วิธีนี้ใช้ข้อมูลเกี่ยวกับพิกเซลหรือเพื่อนบ้าน

ขอบในรูปภาพต้นฉบับการแก้ไขภาพเพื่อที่จะทำให้มันมีประโยชน์สำหรับ
ปรับ . วิธีการอื่นรวมถึงการจัดการโดยตรงกับ
histogram ระดับสีเทาโดยใช้เทคนิคเชิง . โดยสรุปลักษณะของการแจกแจงความถี่เป็น

อย่างน้อยโดยประมาณในความรู้สึกสแควร์และการตัดสินใจขั้นตอนทางสถิติประยุกต์
[ 10 ] วิธีการเหล่านี้จะน่าเบื่อและพวกเขาเกี่ยวข้องกับ
พลังการคำนวณสูง ในตี้ เกซู [ 12 ][ 10 ] แนวคิดของ
ใช้ทั้งข้อมูลเชิงพื้นที่และเข้มได้
ถือว่าพิจารณาข้อมูลท้องถิ่นที่ใช้ใน
การรับรู้ของมนุษย์ จำนวนของวิธีการใหม่และ
กลยุทธ์ได้ถูกเสนอเมื่อสองสามปีก่อนหา
ทั่วโลกรวมทั้งท้องถิ่นโซลูชั่นในแบบเชิงเส้นฟังก์ชันเพิ่ม
[ 12 ] , [ 13 ] , [ 14 ] นอกจากนี้ความพยายาม
ยังเกิดขึ้นกับการใช้ตรรกศาสตร์คลุมเครือ [ 15 ] [ 16 ]
เครือข่ายประสาทเทียมสำหรับการรู้จำอักขระด้วยแสง กับ
ช่วยกดดันยอดหลายสามารถรักษาใน
หลายปัญหาการเพิ่มประสิทธิภาพ ที่อยู่ (
น่าเชื่อถือมากในการตรวจสอบยอดในไบโมดอล
ฮิสโตแกรม นอกจากนี้ กา สามารถใช้เพื่อค้นหาด้านล่างหุบเขา
ระหว่างยอดเขาเหล่านี้ซึ่งสามารถใช้เป็นเกณฑ์
สำหรับการสกัดข้อมูลจากพื้นหลัง ขั้นตอนวิธีเชิงพันธุกรรม
เสนอวิธีการที่น่าสนใจโดยเฉพาะอย่างยิ่งที่พวกเขาจะค่อนข้างมีประสิทธิภาพสำหรับการค้นหา

ทั่วโลกอย่างรวดเร็วของขนาดใหญ่ และซับไม่ไม่ค่อยเข้าใจเป็น . นอกจากนี้ขั้นตอนวิธีพันธุกรรม
ทุกมีประสิทธิภาพในการแก้ปัญหาขนาดใหญ่ [ 17 ] .
กระดาษนี้ทำให้การใช้ OCR ระบบซึ่งทำให้การใช้กราฟเพื่อดึงภาพ
ของความ .ฮิสโตแกรม
ใช้โดยกล่าวถึงขั้นตอนวิธีไบโมดอลในธรรมชาติจึง
สามารถแบ่งออกเป็นสองกลุ่ม [ 18 ] ขั้นตอนวิธีทางพันธุกรรมคือ
เพิ่มเติมใช้ในการเลือกเกณฑ์จาก histogram สำหรับ
แยกวัตถุจากพื้นหลัง ความสามารถของระบบทดสอบภาพ

เสียงเบลอและการเปลี่ยนแปลงในการส่องสว่าง