18
Pada
Gambar
2.6
dapat
kita
liat
contoh
karakter
yang
telah
terasosiasi dengan
feature
point.
X
pada
Gambar
2.6
adalah
feature
point
yang
membantu
dalam
pengenalan karakter.
Karakter-karakter
tidak
dapat
diidentifikasi
oleh
Feature
Point
Extraction
sendiri.
Tanpa
database
dari
karakter-karakter
dan
feature point
yang
terasosiasi,
ekstraktor
feature point terhebat
sekalipun
akan
menjadi
tidak
berguna.
Hanya
dengan
database
seperti
ini,
Feature
Point
Extraction dari
karakter
yang
tidak
diketahui
dapat
dibandingkan dengan karakter alphabet sesungguhnya. Dengan demikian standar emas
dari
database
karakter-karakter
dan
feature point
yang
terasosiasi
harus
didefinisikan.
Idealnya database ini harus mengandung detail bagi semua bentuk rata-rata dari setiap
karakter. Jika bentuk-bentuk perwakilan
yang kurang bagus dari karakter-karakter
dipilih,
maka
karakter-karakter
yang
sebenarnya sah
sulit
diidentifikasi.
Jika
beberapa
bentuk
dari
karakter
tidak
terdapat
dalam database,
maka
aplikasi
pasti
tidak
akan
bisa
mengidentifikasi karakter yang masuk ke dalam kelompok karakter tersebut.
Dengan
gabungan
dari
metode
untuk
mengekstrak
feature point
dan
database
karakter-karakter
dan
feature point
yang
terasosiasi
sebagai
referensi,
pengenalan
karakter
menjadi
masalah
mengenai pengukuran tingkat kemiripan
antara dua kumpulan
feature.
Metode
yang
digunakan
oleh
algoritma
Feature
Point
Extraction hanya
lah
modifikasi
ringan
dari
jarak
Euclidean. Semua
jarak
antara
setiap
feature
point
pada
karakter
yang
tidak diketahui dan feature point bersesuaian
yang terdekat pada karakter
referensi
dijumlah
dan
feature point
yang
hilang
atau
kelebihan
diabaikan.
Pengenalan
kemudian menjadi masalah pencarian karakter pada database yang berada pada jarak
batas
tertentu
dari
karakter
yang
tidak
diketahui.
Dalam prakteknya,
algoritma
tersebut
memeriksa
setiap
karakter
pada
kumpulan
referensi
untuk
menentukan
jarak
minimum
 |