கையால் எழுதப்பட்ட எழுத்துகளை அங்கீகரிக்கும் முறையின் ஒப்பீட்டு ஆய்வு

கையால் எழுதப்பட்ட எழுத்து அங்கீகாரம் என்பது பட செயலாக்கம் மற்றும் வடிவ அங்கீகாரம் ஆகியவற்றில் ஆராய்ச்சிக்கான வளர்ந்து வரும் களமாகும். ஏனெனில் பல்வேறு அமைப்புகளின் அன்றாட தேவைகளில் கையால் எழுதப்பட்ட மற்றும் OCR(Optical Character Recognition) ஆவணங்கள் அதிக அளவில் செயலாக்கப்பட வேண்டும். மனித மேம்பாடு பற்றிய ஆய்வுகளின் அடிப்படையில், இந்திய மக்கள் தொகையில் மிகக் குறைவான எண்ணிக்கையில் ஆங்கில மொழியை எழுதவும் படிக்கவும் முடியும். OCR தொழில்நுட்பத்திற்கான இந்திய எழுத்தில் ஆராய்ச்சியின் அவசியத்தை இது குறிப்பிடுகிறது. இந்த பகுதியில் ஆராய்ச்சி உண்மையில் இந்தியா போன்ற வளரும் நாடுகளுக்கு தேவைப்படுகிறது மற்றும் மனித இயந்திர இடைமுக அமைப்பை ஊக்குவிக்க பயனுள்ளதாக இருக்கும். HCR-ஆனது வரி மற்றும் சேர்க்கை படிவங்கள், வங்கி காசோலைகள், முகவரிகள் மற்றும் அஞ்சல் குறியீடுகளின் தானியங்கி செயலாக்கத்தை எளிதாக்குகிறது. அச்சிடப்பட்ட எழுத்து அங்கீகாரத்துடன் ஒப்பிடுகையில், எழுத்து நடை, வளைவு, அளவு மற்றும் எழுத்தின் தடிமன் ஆகியவற்றின் அடிப்படையில் நபருக்கு நபர் வித்தியாசமாக இருப்பதால், கையால் எழுதப்பட்ட எழுத்தை அடையாளம் காண்பது சிரமம். அரேபியம், சீனம் மற்றும் ஜப்பானியம் போன்ற வெளிநாட்டு கையால் எழுதப்பட்ட எழுத்துக்களில் போதுமான ஆய்வுப் பணிகள் செய்யப்பட்டுள்ளன, ஆனால் இந்திய எழுத்துக்களில் மிகக் குறைவான ஆய்வுப் பணிகளே செய்யப்பட்டுள்ளன. Meghna B. Patel, et. al., (2022) அவர்களின் கட்டுரை பிரபலமான மற்றும் நன்கு அறியப்பட்ட தமிழ், தெலுங்கு, கன்னடம் மற்றும் குஜராத்தி இந்திய எழுத்துகளின் ஒப்பீட்டு ஆய்வை வழங்குகிறது. மேலும் ஆய்வானது பயன்படுத்தப்பட்ட முறை, தரவுத்தொகுப்பு மற்றும் துல்லியத்தின் அடிப்படையில் விரிவான ஆய்வை வழங்குகிறது.

References:

• Patel, M. B., Parikh, S. M., & Patel, A. R. (2022). Comparative Study of Handwritten Character Recognition System for Indian Languages. In ICT with Intelligent Applications(pp. 797-806). Springer, Singapore.
• Qureshi, F., Rajput, A., Mujtaba, G., & Fatima, N. (2022). A novel offline handwritten text recognition technique to convert ruled-line text into digital text through deep neural networks. Multimedia Tools and Applications, 1-27.
• Pal, U., Wakabayashi, T., & Kimura, F. (2009, July). Comparative study of Devnagari handwritten character recognition using different feature and classifiers. In 2009 10th International Conference on Document Analysis and Recognition(pp. 1111-1115). IEEE.
• Singh, P. K., Sarkar, R., & Nasipuri, M. (2016). A study of moment based features on handwritten digit recognition. Applied Computational Intelligence and Soft Computing, 2016.
• Kato, N., Suzuki, M., Omachi, S. I., Aso, H., & Nemoto, Y. (1999). A handwritten character recognition system using directional element feature and asymmetric Mahalanobis distance. IEEE transactions on pattern analysis and machine intelligence, 21(3), 258-262.