بخشی از مقاله
چکیده - آزمونهای روانشناسی مبتنی بر پرسشنامه که برای فهم ویژگیهای شخصیتی استفاده میشود، معمولاً وقتگیر بوده و میتواند به علت عدم پاسخگویی صحیح، به خطاهای تعمدی دچار شود. از طرفی دیگر دستخط افراد نیز میتواند گویای ویژگیهای شخصیتی آنها باشد. گرافولوژی، علم مطالعه و تشخیص شخصیت و خصوصیات فردی براساس دستنوشته است. هدف این پژوهش این است که مشخصاتی که گرافولوژیستها در مورد مشخصات دستنوشته بیان میکنند را بتوان با کمک کامپیوتر براساس تصویر دستنوشته بهطور خودکار استخراج کرد. بنابراین باید این مشخصات بهصورت ویژگیهای دیداری قابل استخراج از تصویر بیان شوند. در این مقاله، یک روش کارآمد جهت استخراج ویژگیهای دیداری به کمک طراحی المانهای پایه روش مورفولوژی پیشنهاد کردهایم. برای این منظور ابتدا تصاویر دستنوشتهها پیشپردازش میشوند و سپس ویژگیهایی مانند: کل حاشیههای سفید صفحه، فاصله بین سطرها، کجی سطرها، کجی کلمات، زاویه کشیدگی حروف به بالا و پایین، تیزی گوشهها در حروف، میزان درشتنویسی، فشردگی متن، سرعت نوشتن و نظم در نوشتن استخراج میشوند. در پایان ویژگیهای استخراج شده، برای تشخیص روحیات ورزشکاران شهرستان اهر بر اساس دستنوشته فارسی مورد استفاده قرار گرفتند و مقایسه نتایج ما با آزمون استاندارد MMPI در روانشناسی نشان دهنده دقت حدود 89% میباشد.
مقدمه
تحقیقات روانشناسی نشان داده است که بسیاری از ویژگی-های اخلاقی و رفتاری افراد مختلف را میتوان از بررسی دست نوشتههای آنها استخراج کرد.[1] بر این مبنا علمی به نام گرافولوژی با مفهوم مطالعه و بررسی شخصیت و خصوصیات فردی بر اساس نحوهء نوشتن، وجود دارد. شناسایی دستنوشته یا گرافولوژی، علم یا فنی است که با مطالعه خط یک فرد، شخصیت و خلق و خوی یا چگونگی روان او را، میتوان تشخیص داد 3]،.[2 البته برای شناخت ویژگیهای شخصیتی معمولاً از آزمونهای روانشناسی استفاده میشود. هر کدام از ازمونهای روانشناسی معمولاً پرسشهایی را انجام داده و بر اساس پاسخهایی که شخص میدهد ویژگیهای شخصیتی فرد نیز تا حدودی مشخص میشود. البته چالشهایی نیز در این بین وجود دارد. این چالش-ها بهطور خلاصه میتواند درست پاسخ ندادن سهوی و یا عمدی به این پرسشها باشد که در نهایت منجر به نتیجه و پیشبینی اشتباه ویژگیهای شخصیتی فرد خواهد شد. آگاهی از علم شناسایی دستنوشته یا گرافولوژی میتواند موارد استفاده زیادی در جامعه داشته باشد؛ برای مثال برای تشخیص خصوصیات افراد متقاضی استخدام [4]، برای نظارت بر افکار و گرایشهای درونی دانش آموزان، تشخیص اختلالات روانی[5]و تشخیص هویت یا تعیین جعلی بودن اسناد و مدارک دستنویس میتوان از گرافولوژی استفاده کرد .[6] اگر چه در حال حاضر گرافولوژی برای دستنوشته لاتین استفاده میشود، اما بسیاری از ایدههای آن قابل تعمیم به زبان فارسی است.[1]
اخیراً، گرافولوژی دستنوشتههای انگلیسی به کمک کامپیوتر و روشهای بینایی ماشین انجام شده است 7]،.[6 در این روشها، دست نوشتهها بر اساس ویژگیهایی از قبیل سرعت، نظم، خط سیر و غیره دستهبندی میشوند. از آنجا که گرافولوژی بر مبنای ویژگیهای دستنوشته است، زبان دستنوشته در استخراج ویژگیها مؤثر است. بنابراین، برای هر زبان از جمله زبان فارسی استخراج ویژگیهای مناسب دیداری برای گرافولوژی با استفاده از کامپیوتر امری ضروری است. در زمینه گرافولوژی دستنوشته فارسی کارهای اندکی انجام شده است .[8-12] در [9] تعدادی ویژگی دیداری شامل میزان انبساط کلمات - کشیدگی از همه طرف - ، درشتنویسی کلمات، زاویهی کشیدگی حروف به بالا و پایین، فشردگی متن - فاصله خطوط، فاصله کلمات - ، کجی متن، نسبت کشیدگی بالا به پایین و شکل حاشیه مطرح شدهاند .همچنین در مرحله پیشپردازش، حذف نویز [ 9 ] و کاهش درجه تفکیک [10] پیشنهاد شدهاند.
در [10] ویژگیهای زاویه کجی متن و لرزش استخراج شده و همراه با ویژگیهای دیگر شامل حاشیههای چهارطرف در پنج سیستم فازی جداگانه که برای این منظور طراحی شدهاند، مورد استفاده قرار گرفتهاند تا صفات مختلف فرد را نمایش دهند. سپس، در [13] ویژگیهایی از قبیل منحنی زمینه، فاصله خطوط، میزان تمایل دستنوشته به سمت چپ یا راست - پیشرو یا پسرو - ، سرعت، بینظمی و تحدب استخراج شدهاند. در این مقاله،گرافولوژی دستنوشته فارسی مورد توجه قرار گرفته است. یکی از مشکلاتی که در این زمینه وجود دارد، این است که توصیفاتی که گرافولوژیستها از دستنوشته دارند نادقیق است. بنابراین، برای تحلیل دستنوشته با استفاده از کامپیوتر لازم است با توجه به نمونه دستنوشتهها و دستهبندیهای آنها، ویژگیهای لازم از روی تصویر دستنوشته استخراج شود تا بتوان تجزیه و تحلیل دستنوشتهها را با کمک کامپیوتر انجام داد. هدف ما در این مقاله استخراج ویژگیهای دیداری سازگار با دستنوشته فارسی برای بیان روحیات فرد است. در این مقاله فرض بر این است که روحیات افراد در هنگام نوشتن یک متن ثابت است. در این مقاله ابتدا آزمون روانشناسی MMPI از افراد گرفته شده است [14] و سپس با استفاده از نمونهبرداری از دستخط افراد و استفاده از یک روش کارآمد جهت استخراج ویژگیهای دیداری به کمک طراحی المانهای پایه روش مورفولوژی سعی کردهایم ارتباطی بین این دستخطها و ویژگیهای شخصیتی افراد را پیدا کنیم به گونهای که بتوان به کمک دستخط افراد به نتایجی مشابه آنچه از آزمونهای روانشناسی بهدست میآید، رسید. بدیهی است چنین کاری باعث صرفهجویی فراوان در وقت و همچنین اجتناب از مشکلات عدم پاسخگویی صحیح به سوالات میشود. در روش پیشنهادی جهت شناسایی ویژگیها خصوصیت شخصیتی افراد، ویژگیهای استخراج شده توسط عملگرهای پایه مورفولوژی به یک طبقهبند شبکه عصبی پرسپترون سه لایه داده میشود. ساختار مقاله به این شرح است: ابتدا در بخش اول برخی از ویژگی های قابل پیاده سازی کامپیوتری در گرافولوژی فارسی بررسی می شوند و پیشپردازش بیان شده است. در بخش دوم چگونگی استخراج ویژگیهای دیداری مهم دستخط فارسی به کمک طراحی عملگرهای پایه مورفولوژی شرح داده شدهاند. در بخش سوم به معرفی پارامترهای آزمون MMPI میپردازیم. بخش چهام نتایج آزمایشها را نشان میدهد و جمعبندی مطالب در بخش پنجم ارائه میشود.
-1 استخراج ویژگیهای مناسب
موقع تحلیل دستنوشته باید نمونههای مختلف دستنوشته فرد را بررسی کرد. بهترین نمونه، دستنوشتهایست که به راحتی و بدون زحمت نوشته شده باشد. از چرکنویسها میتوان به-عنوان مدارک دست دوم استفاده کرد. گرافولوژیست برای بررسی خصوصیات یک نفر، به پارامترهای مختلفی - مانند: شکل حاشیههای سفید چپ و راست صفحه، انبساط کلمات، درشت¬نویسی، فشردگی متن، کجی متن، نسبت کشیدگی بالایی و پایینی به کشیدگی عرضی و زاویه کشیدگی عمودی حروف - توجه میکند .[1] در بخش بعد به روشهایی برای استخراج این ویژگیها اشاره میشود. در این بخش، استخراج ویژگیهای مناسب برای دستنوشته فارسی به کمک کامپیوتر ارائه میشود. برای این منظور از بسیاری از ویژگیهای معرفی شده در مرجع [5] استفاده شده است. در این راستا، ابتدا تصویر دستنوشته ورودی پیشپردازش شده، سپس ویژگیهای مناسب از آن استخراج میشوند.
-2 پیش پردازش
مرحله پیشپردازش شامل باینری سازی، محاسبه عرض قلم، حذف نویز و کاهش درجه تفکیک تصویر ورودی است که به شرح زیر هستند:
باینریسازی
در روش پیشنهادی، ابتدا تصویر رنگی را به تصویر خاکستری تبدیل میکنیم، سپس جهت کم کردن حجم پردازش، اندازه تصویر بدست آمده را کوچک کرده و آن را به تصویر سیاه و سفید تبدیل میکنیم.
شکل :1 تصویر باینری شده کاهش درجه تفکیک چون تصاویر سند به طور معمول در 300 dpi اسکن
میشوند تا برای موتورهای OCR مناسب باشند و کلمات متن در تفکیک حدود 40 dpi، آشکار است بنابراین برای کوچک کردن تصویر، آن را براساس نسبت 8 :1 در جهات افقی و عمودی زیر نمونهگیری میکنیم.
شکل :2 کاهش درجه تفکیک و معکوسسازی
محاسبه عرض قلم
برای محاسبه عرض قلم، تعداد نقاط سفید تکههای پیوسته با جاروب تصویر به صورت سطری و ستونی، شمرده میشود. سپس فراوانترین اندازه این تکهها محاسبه میشود. عدد با فراوانی بیشتر به عنوان عرض قلم در نظر گرفته میشود .[7]
حذف نویز و خط خوردگیها
برای حذف نویز تصویر دودویی، ابتدا به بخشهای پیوسته تصویر برچسب یکسان داده میشود و مساحت هربخش محاسبه میشود. سپس بخشهای با مساحت کمتر از 1 و بیشتر از 100 برابر مربع عرض قلم به عنوان نویز - خطخوردگی - در نظر گرفته شده و حذف میشوند . [ 5 ] در این سیستم برای افزایش سرعت پردازش، بخشهایی که به چارچوب تصویر از بالا، پایین، راست و چپ متصل هستند، حذف میشوند.. بهطوریکه 30 ردیف از بالا و پایین و 50 ردیف از چپ و راست تصویر به عنوان نویز حذف میشوند. این کار در حالیکه سرعت سیستم را افزایش میدهد، از دقت کار کم نمیکند.
شکل :3 الف - نمونه دستنوشته با نویز و خط خوردگی ب - همان دستنوشته پس از حذف نویز و خط خوردگی
از تصویر بدون نویز و بدون خطخوردگی بدست آمده، برای سایر بخشهای الگوریتم استفاده میشود و از آن به عنوان تصویر اصلی یاد میشود.
-2 روشهای استخراج ویژگیها
اساس تفاوت حروف و رشتههای فارسی با رشتههای انگلیسی ماهیت چسباندن حروف بههمدیگر میباشد. مهمترین ویژگیهایی که از دستخط فارسی استخراج میشوند عبارتند از: شناسایی و تحلیل خط اصلی نوشتار در یک دستخط، پیدا کردن زاویه حرکت خط اصلی نوشتار، طول تقریبی خط، مقیاس دستخط، نحوه چینش از سمت راست و چپ، فاصله بین خطوط، اندازه و زاویه حروف و کلمات 6]،.[3 در این بخش، الگوریتمهای استخراج ویژگیهای مورد استفاده در گرافولوژی دستنوشته فارسی به کمک کامپیوتر بررسی میشود.
معیار درشتنویسی کلمات
درشتی یا ریزی یک دستخط نسبت به کیفیت و اندازه تصویر در دستخطهای با شرایط برابر در افراد مختلف متفاوت است. برای تشخیص میزان درشتنویسی کلمات، ابتدا بخشهای پیوسته با استفاده از عملگر مورفولوژی استخراج شده و مساحت هر بخش محاسبه میشود. برای هر بخش استخراج شده، نسبت نقاط سیاه داخل بخش به مساحت همان بخش، بیانگر درشتی آن بخش خواهد بود.
