Handwritten Letters Recognition

U ovom radu prikazan je način rada i implementacija sustav za očitavanje rukom pisanih slova koji je projektiran tako da na svoj ulaz primi sliku slova, a na svom izlazu vrati prepoznato slovo. Primljena slika se obrađuje te se iz nje izdvaja kostur slova. Izvučeni kostur se zatim skalira na uniformne dimenzije i gradi se vektor značajki korištenjem dijagonalne i horizontalne projekcije te broja točaka presjecište i broja krajnjih točaka. Tako dobiveni vektor značajki se dovodi na ulaze neuronske mreže koja je učena algoritmom propagacije pogreške unatrag uz dodatak momenta inercije. Skup za učenje neuronske mreže se sastojao od 4480 velikih i malih tiskanih slova hrvatske i engleske abecede.This thesis describes the algorithm and implementation details of system for handwritten letter recognition. On its input, it receives letter image, and returns recognized letter as output. First, the input image is preprocessed and letter skeleton is extracted. After that, letter skeleton is scaled to uniform dimension and feature vector is extracted using diagonal and horizontal projection and number of cross-points and end-points. Extracted feature vector is input for neural network which is trained using backpropagation algorithm with momentum. Training set is consisted of 4480 large and small handwritten letters of Croatian and English alphabet