| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| Biographical Sketch | 第9-21页 |
| CHAPTER 1 Optical Character Recognition | 第21-44页 |
| 1.1 Background of Optical Character Recognition (OCR) | 第21-25页 |
| 1.2 Urdu Language | 第25-27页 |
| 1.2.1 Urdu Character Set | 第25页 |
| 1.2.2 Diacritics | 第25-26页 |
| 1.2.3 Writing Styles | 第26-27页 |
| 1.3 Complexities of Nastaleeq Urdu Text | 第27-33页 |
| 1.4 Segmentation of Urdu Nastaleeq text | 第33-34页 |
| 1.5 OCRs for Urdu Language | 第34-40页 |
| 1.5.1 Segmentation based Approach | 第35-39页 |
| 1.5.2 Segmentation Free OCR | 第39-40页 |
| 1.6 Motivation | 第40-41页 |
| 1.7 Contribution of Thesis | 第41-42页 |
| 1.8 Thesis Structure | 第42-44页 |
| CHAPTER 2 Preliminaries | 第44-64页 |
| 2.1 Projection Profile Method | 第44-45页 |
| 2.2 Salt-and-Pepper Noise (SP) | 第45页 |
| 2.3 X-Y Cut | 第45-47页 |
| 2.4 Smearing Algorithm | 第47页 |
| 2.5 Rectified Linear Unit (ReLU) | 第47-48页 |
| 2.6 Softmax Function | 第48页 |
| 2.7 Artificial Neural Network (ANN) | 第48-54页 |
| 2.7.1 Common Activation Functions | 第49-50页 |
| 2.7.2 Network Topologies | 第50-51页 |
| 2.7.3 Learning Paradigms | 第51-52页 |
| 2.7.4 Perceptron | 第52-53页 |
| 2.7.5 Multilayer Perceptron | 第53-54页 |
| 2.8 Autoencoder | 第54-56页 |
| 2.8.1 Denoising Autoencoder | 第55页 |
| 2.8.2 Stacked Denoising Autoencoder | 第55-56页 |
| 2.9 Hidden Morkov Model | 第56页 |
| 2.10 Support Vector Machines | 第56-57页 |
| 2.11 Recurrent Neural Network | 第57-58页 |
| 2.12 Long Short Term Memory | 第58-60页 |
| 2.12.1 Bidirectional Long Short Term Memory | 第59-60页 |
| 2.13 Connectionist Temporal Classification | 第60页 |
| 2.14 Datasets | 第60-61页 |
| 2.15 Project | 第61-62页 |
| 2.16 Accuracy Measurement | 第62页 |
| 2.17 Summary | 第62-64页 |
| CHAPTER 3 Segmentation for Printed Urdu Text | 第64-96页 |
| 3.1 Introduction to Segmentation and Challenges for Robust Urdu OCRs | 第64-66页 |
| 3.2 Related work | 第66-70页 |
| 3.2.1 Line segmentation | 第66-68页 |
| 3.2.2 Ligature Segmentation | 第68-69页 |
| 3.2.3 Motivation | 第69-70页 |
| 3.2.4 Contribution | 第70页 |
| 3.3 Line Segmentation | 第70-81页 |
| 3.3.1 Curved Line Split Algorithm | 第70-73页 |
| 3.3.2 Line Segmentation Algorithm | 第73-81页 |
| 3.4 Ligature segmentation | 第81-84页 |
| 3.4.1 Extract Information | 第82页 |
| 3.4.2 Decide Primary and Secondary Components | 第82-83页 |
| 3.4.3 Allocate Secondary to Primary Components | 第83-84页 |
| 3.5 Results and analysis | 第84-95页 |
| 3.5.1 Results of the Line Segmentation Algorithm | 第84-86页 |
| 3.5.2 Comparison of Line Segmentation Algorithms | 第86-91页 |
| 3.5.3 Results of the proposed ligature segmentation algorithm | 第91-95页 |
| 3.6 Conclusion | 第95页 |
| 3.7 Summary | 第95-96页 |
| CHAPTER 4 Stacked Denoising Autoencoder based Urdu Nastaleeq LigatureRecognition | 第96-114页 |
| 4.1 Introduction | 第96-99页 |
| 4.1.1 Prevalent Works | 第96-98页 |
| 4.1.2 Motivation | 第98页 |
| 4.1.3 Contribution | 第98-99页 |
| 4.2 Learning model | 第99-105页 |
| 4.2.1 Autoencoder | 第99-100页 |
| 4.2.2 Urdu Ligature Recognition Stacked Denoising Autoencoder (ULR-SDA) | 第100-105页 |
| 4.3 Experiments | 第105-108页 |
| 4.3.1 Dataset and Feature Extraction | 第105-106页 |
| 4.3.2 Experiment Setup | 第106-107页 |
| 4.3.3 Training ULR-SDA | 第107-108页 |
| 4.4 Results | 第108-112页 |
| 4.4.1 Comparison of ULR-SDA and SVM | 第108-109页 |
| 4.4.2 Structure of ULR-SDA | 第109-110页 |
| 4.4.3 Dimensions | 第110-112页 |
| 4.5 Conclusion | 第112页 |
| 4.6 Summary | 第112-114页 |
| CHAPTER 5 Ligature based Urdu Nastaleeq Sentence Recognition usingGated Bidirectional Long Short Term Memory | 第114-135页 |
| 5.1 Introduction | 第114-119页 |
| 5.1.1 Motivation | 第115-119页 |
| 5.1.2 Contribution | 第119页 |
| 5.2 Overview of Recurrent Neural Network and Related Work | 第119-122页 |
| 5.3 Proposed Model | 第122-126页 |
| 5.4 Dataset Description and Preprocessing | 第126-127页 |
| 5.5 Network Parameters | 第127-128页 |
| 5.6 Experiments and Results | 第128-134页 |
| 5.6.1 Comparison of GBLSTM with Prevalent LSTM based Urdu Recognition Systems | 第129-131页 |
| 5.6.2 Comparison of GBLSTM with Prevalent Ligature Based Urdu RecognitionSystems | 第131页 |
| 5.6.3 Number of Ligature Classes Incorrectly Predicted by GBLSTM | 第131-133页 |
| 5.6.4 Top 10 Misclassified Classes | 第133-134页 |
| 5.6.5 Performance Analysis on the Basis of Full Predicted Sentences | 第134页 |
| 5.7 Conclusion | 第134页 |
| 5.8 Summary | 第134-135页 |
| Chapter 6 Conclusions and Potential Future Directions | 第135-138页 |
| 6.1 Research Insights | 第135-137页 |
| 6.2 Potential Future Recommendations | 第137-138页 |
| Bibliography | 第138-151页 |
| Acknowledgement | 第151-152页 |
| List of Publications | 第152页 |
