Nhận dạng ký tự quang học bằng mạng nơron

TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(27).2008 
20 
NHẬN DẠNG KÝ TỰ QUANG HỌC 
BẰNG MẠNG NƠRON 
OPTICAL CHARACTER RECOGNITION BY NEURAL NETWORK 
NGÔ VĂN SỸ 
Trường Đại học Bách khoa, Đại học Đà Nẵng 
TÓM TẮT 
Nhận dạng ký tự quang học là kỹ thuật được sử dụng để chuyển đổi ảnh văn bản sang 
dạng văn bản có thể chỉnh sửa trong máy tính. Nó được ứng dụng trong công tác quét 
và lưu trữ các tài liệu cũ, đẩy nhanh việc nhập dữ liệu vào máy với ít lỗi hơn. Bài báo 
giới thiệu một phương pháp nhận dạng ký tự, đó là kỹ thuật mạng nơron. 
ABSTRACT 
Optical Character Recognition (OCR) is a technology used to convert scanned images 
of a text into an editable and searchable text on the computer. It can be used for 
preserving historical documents and scanning data entry forms in a faster and less error 
prone manner… This paper introduces a character-identifying method called Neural 
Network Technology. 
1. Đặt vấn đề 
 Mạng nơron nhân tạo (Artificial Neural Network: ANNs) là sự tái tạo bằng kỹ 
thuật những chức năng của hệ thần kinh con người với vô số các nơron được liên kết 
truyền thông với nhau qua mạng. Giống như con người, ANNs được học bởi kinh 
nghiệm, lưu những kinh nghiệm đó và sử dụng trong những tình huống phù hợp. 
 Trong kỹ thuật nhận dạng ký tự, mạng nơron tỏ ra ưu thế hơn các phương pháp 
truyền thống ở chỗ không tốn thời gian cho thủ tục tiền xử lý, làm mảnh ký tự, trích trọn 
đặc trưng… Mặt khác các phương pháp ra quyết định trong nhận dạng truyền thống 
được cài đặt tĩnh trong chương trình, khi muốn bổ sung thêm các mẫu học mới phải 
thiết kế lại chương trình. Trong khi với mạng nơron, chỉ cần cung cấp một tập mẫu vào 
ra của dữ liệu mới cho pha huấn luyện là có thể bổ sung vào “bộ nhớ mạng” những kiểu 
dữ liệu mới mà không ảnh hưởng đến cấu trúc chương trình ban đầu. 
 Trong phạm vi bài báo này sẽ giới thiệu tổng quan về lý thuyết mạng nơron và 
ứng dụng mạng Perceptron nhiều lớp lan truyền ngược sai số để thiết kế chương trình 
nhận dạng ký tự quang học. 
2. Phương pháp và thuật toán nhận dạng ký tự 
2.1. Cơ sở dữ liệu 
Hình 1: Mẫu các ký tự trong 
nhận dạng ký tự quang 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(27).2008 
21 
 Cơ sở dữ liệu cho bài toán nhận dạng ký tự quang gồm 90 ký tự Latinh với các 
loại font khác nhau, cùng với giá trị Unicode tương ứng của chúng. 
2.2. Phương pháp nhận dạng 
 Phương pháp nhận dạng ký tự quang bằng mạng nơron bao gồm các bước được 
mô tả như trong hình 2. 
2.2.1. Thu nhận ảnh 
 Ảnh văn bản, tài liệu có thể được thu nhận bằng máy quét scanner, webcam, 
hoặc các thiết bị thu nhận ảnh thông dụng khác. 
2.2.2. Phân tích ảnh để tìm ký tự 
 Quá trình phân tích ảnh để tìm ký tự bao gồm các bước sau: 
- Tách dòng ký tự ra khỏi ảnh ký tự. 
- Tách từ riêng biệt ra khỏi dòng ký tự. 
- Tách riêng từng ký tự ra khỏi từ. 
 Thuật toán sử dụng để tách ký tự ra khỏi ảnh văn bản dựa trên đặc tính biên độ 
về độ sáng của các pixel ảnh. 
2.2.3. Tiền xử lý ký tự 
 Quá trình tiền xử lý ký tự giải quyết vấn đề ánh xạ giá trị pixel ảnh ký tự vào ma 
trận 10x15 và tuyến tính hóa ma trận thành 150 giá trị đưa vào 150 nơron ở lớp vào của 
mạng. 
2.2.4. Mạng nơron nhận dạng ký tự 
 Hiện nay, các loại mạng nơron thông dụng gồm có: mạng truyền thẳng (feel-
forward), mạng hồi qui (feedback), mạng tự tổ chức (self-organizing). Mạng truyền 
thẳng feed-forward bao gồm nhiều lớp các đơn vị xử lý phi tuyến (non-linear processing 
unit). Một vector đầu vào sẽ được đưa vào lớp vào của mạng và sau đó các tính toán 
được thực hiện lan truyền thẳng từ lớp vào sang các lớp ẩn và kết thúc ở lớp ra. Mạng 
Perceptron nhiều lớp MLP (MultiLayer Perceptron) là một trong những loại mạng 
Phân tích ảnh để 
tìm ký tự 
Tiền xử lý ký tự 
Mạng nơron 
nhận dạng ký tự 
Hậu xử lý dữ liệu 
Thu nhận ảnh ký tự 
Hình 2: Các bước 
trong nhận dạng ký 
tự dùng mạng nơron 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(27).2008 
22 
truyền thẳng điển hình, được sử dụng rộng 
rãi trong các hệ thống nhận dạng như nhận 
dạng ký tự quang, chữ viết tay, nhận dạng 
tiếng nói… 
 Trong bài báo này, chúng tôi thiết kế 
chương trình nhận dạng ký tự quang sử dụng 
mạng MLP có 3 lớp: lớp vào có 150 nút 
tương ứng với 150 phần tử của vectơ ma trận 
pixel, lớp ẩn có 250 nơron và lớp ra có 16 
nơron tương ứng với 16 bit nhị phân của giá 
trị Unicode của các ký tự. 
 Quá trình huấn luyện mạng: 
 Quá trình huấn luyện là quá trình học 
với các tập mẫu (Xs, Ts), Ns ,1 để điều 
chỉnh tập trọng số liên kết. Giải thuật huấn luyện được áp dụng trong thiết kế chương 
trình nhận dạng ký tự là giải thuật lan truyền ngược sai số Back Propagation. 
 Bước 1: Lan truyền xuôi đầu vào Xs={x1, x2, …, xn} qua mạng: 
* Đầu ra tại nơron j của lớp ẩn:yj= g(


n
i
jiii xw
1
.  ) (1) 
* Đầu ra tại nơron k của lớp ra: 
 yk= g(

m
j
jkj wy
1
. )=g( k
m
j
n
i
jiijjk xwgw   
 1 1
).(. ) (2) 
 Bước 2: Lan truyền ngược sai số: 
 So sánh các phần tử của vectơ đầu ra thực Ys với các phần tử tương ứng của 
vectơ đầu ra mẫu Ts để tính sai lệch: ek=tk - yk 
 Tổng bình phương sai số của mạng ứng với mẫu học (Xs, Ts): 
 


p
k
kk tyE
1
2)(
2
1
 Thông tin về sai số được lan truyền ngược qua mạng để điều chỉnh lại các giá trị 
trọng số tại vòng lặp thứ l: 
 * Với liên kết giữa nơron ẩn và nơron ra: 
 )().(. lylw jkjk  , với  là hệ số học, yj tính theo công thức (1) 
 ))(().()(
' lyglel kkkk  
 jkjkjk wlwlw  )()1( (3) 
 * Với liên kết giữa nơron vào và nơron ẩn: 
 ijij xlw ).(. 
 


m
j
jkkjjj lwlygl
1
' )1().().()(  
Hình 3: Mạng MLP trong 
 nhận dạng ký tự quang 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(27).2008 
23 
 ijijij wlwlw  )()1( (4) 
 Sau khi hiệu chỉnh trọng số, mẫu Xs tiếp tục được đưa vào mạng lần thứ (l+1) và 
tiếp tục thuật toán hiệu chỉnh trọng số cho đến khi E< cho trước hoặc số vòng lặp đạt 
đến mức định trước. 
 Mẫu tiếp theo được đưa vào mạng và quá trình huấn luyện lặp lại như trên cho 
đến khi mạng học thuộc tất cả các mẫu. Lưu cấu hình mạng lại để sẵn sàng đưa vào sử 
dụng. 
 Hàm kích hoạt sử dụng trong mạng Perceptron nhiều lớp là hàm sigmoid lưỡng 
cực: g(s)= 1
1
2

  se 
, hoặc hàm sigmoid đơn cực g(s)=
se 1
1
, đạo hàm của cả hai 
hàm này đều là: ))(1)(()(' sgsgsg  . 
Sử dụng mạng: 
 Mạng sau khi được huấn luyện được sử dụng như một bảng tra. Các ảnh ký tự 
sau bước tiền xử lý được đưa vào đầu vào mạng, đầu ra mạng là vectơ Y với các phần 
tử yk được tính theo công thức (1) và (2). Như vậy đầu ra mạng là giá trị Unicode của 
ký tự. 
2.2.5. Hậu xử lý dữ liệu 
 Giai đoạn này làm nhiệm vụ chuyển đổi giá trị Unicode sang dạng ký tự tương 
ứng và sắp xếp lại các ký tự dưới dạng text theo dạng ảnh văn bản ban đầu. 
2.3. Kết quả và đánh giá 
 Thử nghiệm việc huấn luyện mạng với tập mẫu của 3 loại font: Latinh Arial, 
Latinh Tahoma, Latinh Times Roman. 
2.3.1. Kết quả khi thay đổi số vòng lặp (Epoch) 
 Số kí tự = 90, tốc độ học learning_rate = 150, hệ số góc hàm sigmoid  =0.014 
Loại Font 
Epoch=300 Epoch=600 Epoch=800 
Số ký 
tự sai 
% Error 
Số ký 
tự sai 
% Error 
Số ký 
tự sai 
% Error 
Latin Arial 4 4.44 3 3.33 1 1.11 
Latin Tahoma 1 1.11 0 0 0 0 
Latin Times Roman 0 0 0 0 1 1.11 
2.3.2. Kết quả thay đổi tham số learing_rate 
 Số kí tự = 90, số Epoch = 600, hệ số góc  = 0.014 
Loại Font 
50 100 120 
Số ký 
tự sai 
% Error 
Số ký 
tự sai 
% Error 
Số ký 
tự sai 
% Error 
Latin Arial 82 91.11 18 20 3 3.33 
Latin Tahoma 56 62.22 11 12.22 1 1.11 
Latin Times Roman 77 85.56 15 16.67 0 0 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(27).2008 
24 
2.3.3. Đánh giá ảnh hưởng của sự thay đổi các thông số. 
 Tăng số vòng lặp tổng quát sẽ tỉ lệ thuận hiệu suất của mạng. Nhưng đến một 
mức nào đó nó sẽ gây ra hiện tượng học vẹt (over learning), sẽ bỏ qua trạng thái tối ưu. 
 Kích thước đầu vào cũng là một nhân tố ảnh hưởng trực tiếp đến hiệu suất của 
mạng. Thực tế số đầu vào càng nhiều mạng yêu cầu được huấn luyện nhiều hơn để có 
thể nhận bắt lỗi tốt. 
 Sự thay đổi tham số learning_rate cũng ảnh hưởng hiệu suất của mạng đối với số 
vòng lặp xác định. Giá trị tham số này càng nhỏ thì mạng hiệu chỉnh trọng số càng 
chậm. Nhưng muốn đạt đến trạng thái tối ưu thì ta phải tăng số vòng lặp nhiều hơn. 
3. Kết luận 
 Với các kết quả thu được trong quá trình thử nghiệm huấn luyện ta chọn các 
thông số mạng: số vòng lặp epoch=600, tốc độ học learning_rate=150, hệ số góc hàm 
sigmoid 014.0 , ngưỡng sai số 0002.0 . 
TÀI LIỆU THAM KHẢO 
[1] Lương Mạnh Bá, Nguyễn Thanh Thủy (1999), Nhập môn xử lý ảnh số, Nhà xuất 
bản khoa học và kỹ thuật, Hà Nội, tr 153-211. 
[2] Học viện công nghệ Bưu chính Viễn Thông (2007), Nhập môn Trí tuệ Nhân tạo, 
Hà Nội, tr 118-133. 
[3] K.-L. Du, PhD, M.N.S. Swamy, PhD, D.Sc (Eng) (2006), Neural Networks in a 
Softcomputing Framework.pdf, Concordia University, Montreal, Canada. 
[4] CHRISTOPHER M. BISHOP(1995), Neural Networks for Pattern 
Recognition.pdf, CLARENDON PRESS • OXFORD, UK.