QO'LYOZMA MUALLIFINI IDENTIFIKATSIYA QILISH UCHUN QO'LYOZMA MATNI TASVIRI BELGILARINI AJRATIB OLISH ALGORITMLARI

139 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ QO‘LYOZMA MUALLIFINI IDENTIFIKATSIYA QILISH UCHUN QO‘LYOZMA MATNI TASVIRI BELGILARINI AJRATIB OLISH ALGORITMLARI Radjabov Sobirjon Sattorovich, Texnika fanlari doktori, Laboratoriya mudiri, «TIQXMMI» MTU huzuridagi FATI e-mail: [email protected] Asrayev Muhammadmullo Abdullajon o‘g‘li, Toshkent menejment va iqtisodiyot instituti e-mail: [email protected] Mardiyev Azamat Shakar o‘g‘li, Tayanch doktorant, «TIQXMMI» MTU huzuridagi FATI e-mail: [email protected] Allayorov Jasur A’zamjon o‘g‘li, Tayanch doktorant, «TIQXMMI» MTU huzuridagi FATI e-mail: [email protected] Annotatsiya. Maqolada qo‘lyozma matni tasvirlarini tahlil qilish asosida shaxsni identifikatsiya qilish tizimini yaratishda muhim bosqichi bo‘lgan ushbu qo‘lyozma matni tasvirlarining xarakterli belgilarini ajratib olish muammosi ko‘rib chiqiladi. Qo‘lyozma matni orqali shaxsni identifikatsiya qilish bank, pochta, sud-tibbiyot va boshqa sohalarda muhim ro‘l o‘ynaydi. Maqolada qo‘lyozma obyektlardan xarakterli belgilarini ajratib olish uchun ikkita algoritm taklif qilinadi - shablonlarning gistogrammalariga (A1) va fragmentlar tahliliga (A2) asoslangan algoritmlar. Tajribalar IAM (ingliz tilida) va IUHT (o‘zbek tilida) qo‘lyozma matni tasvirlari ma’lumotlar bazalari yordamida o‘tkazildi, natijalar asosiy tasniflash algoritmlar yordamida baholandi. Eksperimental tajribalar natijalari A2 algoritmi aniqlikda (90% dan ortiq) ustunligini ko‘rsatdi. Tadqiqot natijalarini qo‘lyozma matni tasvirlarini tahlil qilish asosida ishonchli va samarali shaxsni identifikatsiya qilish tizimlarini yaratishda ishlatilishi mumkin. Kalit so’zlar: qo‘lyozma matn, shaxsni identifikatsiyalash, belgilarni ajratib olish, belgilar gistogrammasi. Kirish. Sun’iy intellekt va timsollarni tanib olishning rivojlanishi biometriyaning eng murakkab masalalaridan biri bo‘lgan qo‘lyozma matni muallifini identifikatsiya qilish masalasini hal qilishda sezilarli qadamni qo‘yishga imkon berdi. Qo‘lyozma matni muallifini identifikatsiya qilish qo‘lyozma matnlaridan foydalanib amalga oshirilayotgan jinoyatlar sonining ortishi bilan bog‘liq ravishda sud-kriminalistika ekspertizasida juda muhim masala hisoblanadi. Bundan tashqari qo‘lyozma matni muallifini identifikatsiyalash masalasini inson faoliyatining turli sohalarida keng qo‘llash mumkin [1-3]. Ushbu sohadagi so‘nggi ishlanmalar va ushbu tizimlarning samaradorligi uni DNK, barmoq izlari bo‘yicha identifikatsiya qilish kabi identifikatsiyaning ishonchli fiziologik usullarga raqobatchilardan biri sifatida qarash huquqini beradi [4]. Hozirgi vaqtda qo‘lyozma matni muallifini identifikatsiya qilishning muhimligi yanada jiddiyroq bo‘ldi. Ushbu imkoniyatlar natijasida ushbu murakkab masalani hal qilishda qatnashuvchi tadqiqotchilar sonining o‘sib borishi tabiiy holatdir. Butun dunyoda juda ko‘p tillar mavjud. Har bir til o‘zining xos xususiyatlari tufayli qo‘lyozma matni muallifini identifikatsiya qilish masalasiga o‘ziga xos yondashuvni talab qiladi. Shuning uchun muallifni identifikatsiya qilish masalasining tilga bog‘liq ravishda farq qilishi o‘z-o‘zidan ayondir. 140 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ Qo‘lyozma matni asosida muallifni identifikatsiya qilish faol tadqiqotlar maydonidir. Chunki bu kompyuter ko‘rishi va timsollarni tanib olish sohasida yuzaga keluvchi eng qiyin masalalardan biridir, qo‘lyozma matni asosida muallifni identifikatsiya qilish quyidagi kabi bir qator qismmasalalarni hal qilish zaruriyatiga duch keladi: – turli shaxslar dastxatlarini identifatsiya qilish uchun algoritmlar ishlab chiqish; – qo‘lyozma matnidan tegishli belgilarni ajratib olish; – bazaviy belgilardan ikkilamchi belgilarni shakllantirish; – algoritmlarning ishlash samaradorligini baholash. 1990-yillargacha qo‘lyozma matni muallifini avtomatik identifatsiya qilish bo‘yicha o‘tkazilgan tadqiqot ishlarining to‘liq sharhi [5] da keltirilgan. Buning davomi sifatida o‘tgan asrning 90-yillaridagi ishlarning sharhi [6] da chop qilingan. So‘nggi bir necha yil davomida taklif qilingan yondashuvlar ilmiy hamjamiyatlam ushbu tadqiqot mavzusiga bo‘lgan qiziqishni qayta tikladi. 1-rasmda qo‘lyozma matni muallifini identifikatsiya qilish tizimining standart tuzilishi ko‘rsatilgan [7]. Birinchi qadamda qo‘lyozma matnidan kerakli belgilar ajratib olinadi. Keyin ushbu belgilar yordamida matnning turli mualliflarga tegishlilik darajalari hisoblanadi. Eng yuqori o‘xshashlik bahosiga ega muallif tizim tomonidan beriladi. 1-rasm. Qo‘lyozma matni muallifni identifatsiya qilish tizimining standart tuzilishi [7] Qo‘lyozmani kiritish usuli bo‘yicha qo‘lyozma matni muallifini avtomatik identifikatsiya qilishning ikki usuli farqlanadi: onlayn va offlayn identifatsiya qilish. Qo‘lyozma matni muallifini onlayn identifikatsiya qilish masalasi oflayn identifatsiya qilish masalasiga qaraganda kamroq darajada murakkab, chunki onlayn-rejim kiruvchi tasvirlarni shakllantirish jarayoni va ularni tizimga kiritishni birlashtirishni ko‘zda tutadi. Shunday qilib kiritilayotgan harflarni chizishi jarayoni ustidan «kuzatish» tizimining bo‘lishi mumkinligi ta’minlanadi, bu esa unga offlayn rejimda mumkin bo‘lmagan peroning harakatlanish dinamikasi va ayrim hollarda bosish kuchi kabi grafik ma’lumotlardan tashqari yana kiruvchi tasvirlarni kiritish uslubi haqidagi ma’lumotlarni ham olish imkoniyatini beradi [8,9]. Qo‘lyozma matni muallifini onlayn identifikatsiya qilish usullariga juda ko‘p ishlar bag‘ishlangan [10]. Shuni ta’kidlab o‘tish kerakki, qo‘lyozma matni muallifini identifikatsiya qilishning zamonaviy offlayn tizimlari avtomatik rejimda ham, interaktiv rejimda ham ishlaydi. Barcha mavjud identifikatsiya tizimlari uchun umumiy narsa bo‘lib ularning matnga dastlabki ishlov berish, belgilarni ajratib olish, timsollarni solishtirish va samaradorlikni baholash masalalarini hal qilish uchun tasvirlarga kompyuterda ishlov berish va timsollarni tanib olish usullaridan foydalanishga asoslanishlari hisoblanadi. Ushbu klassifikatsiyadan tashqari identifikatsiya tizimlarining o‘zlarini foydalanuvchi tomonidan kiritilishi kerak bo‘lgan matnning tizimga ma’lum ekanligi yoki yo‘qligi va tizimning ushbu ma’lumlardan foydalanishi yoki yo‘qligiga bog‘liq ravishda matnga bog‘liq bo‘lgan va matnga bog‘liq bo‘lmagan turlariga bo‘lish mumkin. Matnga bog‘liq bo‘lgan identifikatsiya qilishda o‘zgarmas matnlardan ham, tizim tomonidan hosil qilingan va foydalanuvchiga taklif qilingan matnlardan ham foydalanilishi mumkin. Matnga bog‘liq bo‘lmagan tizimlar ixtiyoriy matnga ishlov berishga mo‘ljallanadi va ular bir belgilarni solishtirishni talab qilmaydi. Matnga bog‘liq bo‘lmagan yondashuv komponentlari butun matn tasviridan ajratib olingan global statistik belgilarni bayon qiluvchi belgilar to‘plamidan 141 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ foydalanadi. Shuning uchun uni teksturani tahlil qilish yondashuvi deb atash mumkin. Quyidagi ikkita yondashuv offlayn rejimda taklif qilingan: gistogrammali ifodalashlar va Furye almashtirishga asoslangan usullar. Birinchi holatda turli global va lokal xususiyatlarning taqsimlanish chastotasidan foydalaniladi [11]. Ushbu xususiyatlardan ayrimlari hujjatlarning sud ekspertizasida foydalaniluvchi belgilar bilan bevosita yoki bilvosita bog‘liqdir [12]. Ikkinchi holatda [13] da qo‘lyozma matnlari mualliflarining uzatma funksiyasidagi eng muhim o‘zgarishlarning qo‘lyozma matnlari tasvirlarining Furye spektrining quyi chastotalar diapazonida qayd qilinganligi ta’kidlanadi. Xuddi shu kabi [14] da qo‘lyozma matniga tekstura sifatida ishlov berish uchun Furye almashtirishiga asoslangan usullardan foydalanilgan. Ajratilgan belgilar sifatida chastotalar diapazonlarining o‘rtacha qiymatlari ketma-ketligi, polinomial approksimatsiya koeffisiyentlari yoki ushbu koeffisiyentlarning chiziqli akslantirishi bo‘ldi. [15] da qo‘lyozma matnlari tasvirlaridan teksturali belshilarni ajratib olish uchun ko‘p kanalli fazoviy filtrlash usullaridan foydalanilgan. Bu maqsad uchun Gabor filtrlaridan foydalanilgan. Tasniflash uchun ikkita klassifikator, ya’ni vaznlashtirilgan Evklid masofasi va «k ta eng yaqin qo‘shnilar» (K-NN) klassifikatorlari qo‘llanilgan. [16] da xarakterli xitoy so‘zlari to‘plamining bosh komponentalarnini tahlil qilish asosida qo‘lyozma matnini identifikatsiya qilish uchun algoritm taklif qilingan. Ushbu usul bevosita so‘zlarning kulrang tasvirlari ustida ishlaydi va 40 ta muallifning 400 ta qo‘lyozma namunasidan iborat tanlanma uchun identifikatsiyaning yuqori aniqligini namoyish qiladi. Qo‘lyozma matni muallifini identifikatsiya qilish masalasini hal qilishdagi boshqa yo‘nalish bo‘lib matematik morfologiya usullaridan foydalanish hisoblanadi. [17] da qo‘lyozma so‘zlari gorizontal profillariga morfologik ishlov berish asosida muallifning xos xususiyatlari vektori chiqariladi. Ushbu vektorni tanib olish samaradorligini oshirish maqsadida uning proyeksiyalari va ular asosida belgilar fazosi aniqlanadi. Bayes klassifikatorlari va neyron to‘rlari yordamida ushbu fazoning statistik xususiyatlarini keng tadqiq qilish o‘tkaziladi. Ushbu tadqiqot natijalari qo‘lyozma matni muallifini identifikatsiya qilish proseduralari va tegishli algoritmiga asos bo‘ldi. Tajribaviy tekshirish ko‘rsatilgan usul bo‘yicha qo‘lyozma matnlari uzun so‘zlarini muvaffaqiyatli identifikatsiya qilishning 95% dan oshishini ko‘rsatdi. [18] da taklif qilingan qo‘lyozma matni muallifini identifikatsiya qilish sxemasida matn satrlari kiritishning asosiy birliklari bo‘ldi, ulardan qo‘lyozma matni uchta asosiy zonasining balandligi, belgining qiyaligi va kengligi, bog‘langan komponentalar o‘rtasidagi masofalar, yuqori/quyi konturlar kabilardan foydalanib matnga bog‘liq bo‘lmagan belgilar hisoblanadi. IAM [19] bazasidan olingan, 50 ta muallifning 250 sahifa qo‘lyozma matnlaridan iborat tanlanma bilan K-NN klassifikatori yordamida o‘tkazilgan tajribalarda identifikatsiya aniqligi 92% dan oshdi. [20] da yaponcha bo‘g‘inli alifbosidan tashkil topgan yangi qo‘lyozma matni muallifini offlayn identifikatsiya qilish tizimi bayon qilinadi, unda xat yozishning tezligi, qog‘ozga bosim kabi onlayn belgilar mavjud emas. Tizim ikkita funksional qismdan - xarakterli belgilar tanlanmasi keltiriluvchi nomzodlardan har biri belgilar lug‘atini tuzish bloki va identifikatsiya blokidan tashkil topadi. Tizimning o‘ziga xosligi bo‘lib nomzodlarning to‘plangan belgilari to‘plamlaridan identifikatsiyaga ikki o‘lchamli nomzod belgilarining o‘rtacha belgisiga tegishlilik funksiyasini baholash usullari bilan avvaldan normallashtirilgan 4 turdagi belgilar tanlab olinuvchi birinchi blokni qurish usuli hisoblanadi. Tizim bilan tajribalarda 108 ta talaba identifikatsiya qilindi, ular 46 turdagi belgidan (butun yapon alifbosi) foydalanganlar va 24840 ta so‘z yozganlar. Tajribalarda olingan identifikatsiya aniqligi deyarli 100% ni tashkil qildi. Neyron to‘rlarining qo‘llanilishi qo‘lyozma dastxatini identifikatsiya qilishda juda ommaviy hisoblanadi. [21] da dastxat tasvirlaridan muhim parametrlarni ajratib olishdan iborat bo‘lgan tasvirlarga ishlov berish yuqorida keltirilgan 142 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ parametrlardan kiruvchi ma’lumotlar sifatida foydalanuvchi ko‘p qatlamli perseptron bilan tasniflash bilan birlashtiriladi. Tasvirlarsha ishlov berish qadami dastxatning ichki belgilariga muvofiq bayon qilingan. Keyin taklif qilinayotgan neyron to‘rlari psevdoteskari operator, K-NN va «k o‘rtachalar» kabi boshqa klassifikatorlar bilan solishtirilgan hamda dastlabki ishlov berish va yomon segmentatsiyaning identifikatsiya aniqligiga ta’siri baholandi. [22, 23] ishlarda grafem kodlar kitobidan foydalanuvchi statistik yondashuv asosidagi tizim taklif qilingan. Bu tizim IAM va PSI bazalaridan olingan tanlanmalar bilan sinovdan o‘tkazilgan. Tizimning aniqligi IAM bazasidan olingan tanlanma uchun 95% ni va PSI bazasidan olingan tanlanma uchun 86% ni tashkil qildi. [24] da oddiy yo‘naltirilgan belgilar va grafem kodlar kitobi kombinatsiyasidan foydalanilgan. Usul 150 ta muallifda sinovdan o‘tkazilgan va tizimning aniqligi 97% ni tashkil qildi. [25] da taklif qilingan ingliz tili uchun tizimda asosiy e’tibor faqat “t” va “h” harflariga qaratilgan. Tasvirda ushbu shakllar aniqlanganidan keyin ularning skeletlari ajratib olingan. Keyin egri chiziq bo‘yicha harajatlar funksiyasi hisoblanadi va harajatlar funksiyalarining o‘xshashligi muallifni aniqlab beradi. O‘z-o‘zidan ayonki, bu usulni boshqa tillar uchun qo‘llab bo‘lmaydi. [26, 27] da konturning fragmentlangan bog‘langan komponentlariga asoslangan usul taklif qilingan. Bu usuldan sinflarga ajratish bosqichida masofalarni hisoblash uchun foydalanilgan. Tizimni 150 ta muallifning qo‘lyozma matnlaridan tashkil topgan tanlanmada sinab ko‘rishlarda 93% ga teng identifikatsiya aniqligini ko‘rsatdi. [28, 29] da qo‘lyozma matnlari muallifini yashirin markov modellari (YAMM) asosida identifikatsiya va verifikatsiya qilish usuli taklif qilingan. Har bir qo‘lyoma matnlari muallifi uchun alohida YAMM qurilgan va o‘qitilgan. Noma’lum matn muallifini aniqlash uchun bu matn har bir YAMM bilan tekshiriladi va eng yuqori bahoga ega bo‘lgan odam ushbu matnning muallifi hisoblanadi. Identifikatsiya qilish usuli 650 ta muallifdan olingan qo‘lyozma matnlarida sinovdan o‘tkazilgan. Identifikatsiya aniqligi 97% ni tashkil qilgan. Bundan tashqari ushbu usul muallifni verifikatsiya qilish usuli sifatida ham sinovdan o‘tkazilgan. Tajribalarda olingan verifikatsiya aniqligi deyarli 96% ni tashkil qildi. Ishning maqsadi – qo‘lyozma matni tasviri tahlili asosida shaxsni identifikatsiyalash masalasini yechish uchun ushbu qo‘lyozma matnining muallifini xarakterlovchi belgilarini ajratib olish algoritmlarini ishlab chiqish. Ushbu maqsadga erishish uchun quyidagi masalalarni yechish kerak: – berilgan qo‘lyozma matni tasvirini sifatini oshirish; – qo‘lyozma matni tasvirini binarizatsiya qilish; – qo‘lyozma matni tasvirini segmentatsiya qilish; – qo‘lyozma matni tasvirining belgilar fazosini shakllantirish. Berilgan qo‘lyozma matni tasvirini [30] da keltirilgan algoritmlardan [31] da taklif etilgan algoritm yordamida tanlab sifati oshirildi. Binarizatsiya qilish masalasi esa [32] da keltirilgan algoritm yordamida yechildi. Qo‘lyozma matni tasvirini satrlar, so‘zlar va obyektlarga segmentatsiya qilish masalasini yechish uchun [33] da taklif etilgan algoritmlardan foydalanildi. Taklif etilayotgan algoritmlar. Mazkur maqolada qo‘lyozma matni tasviri tahlili asosida shaxsni identifikatsiyalash masalasini yechish uchun ushbu qo‘lyozma matnining muallifini xarakterlovchi belgilarini ajratib olish ikkita algoritmi taklif qilinadi. Yaratilgan algoritmlarni batafsil keltiraylik. Shablonlar gistogrammalarini hisoblashga asoslangan qo‘lyozma obyektlari belgilarini ajratib olish algoritmi (A1 algoritmi). Ushbu algoritm uchun kiruvchi ma’lumotlar bo‘lib segmentatsiya qilingan qo‘lyozma obyekti tasviri, chiquvchi ma’lumotlar bo‘lib esa – ushbu obyektni xarakterlovchi shablonlar gistogrammasi hisoblanadi. Ushbu algoritmda 𝑂𝑖 (𝑖=1,𝑘      ) qo‘lyozma obyekti uchun 3×3 sirpanuvchi oynadan foydalangan holda shablonlar gistogrammasi 𝐻𝑖= {ℎ𝑖,1,ℎ𝑖,2,…,ℎ𝑖,80} hisoblanadi. Qo‘lyozma obyekti 143 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ tuzilishini xarakterlovchi shablonlarga misollar 2rasmda keltirilgan. 2-rasm. Gistogrammalarni hisoblash uchun foydalanilgan 3×3 o‘lchamdagi shablonlarga misollar Qo‘lyozma obyekti tasvirini fragmentlar bo‘yicha tahlil qilishga asoslangan qo‘lyozma obyektlari belgilarini ajratib olish algoritmi (A2 algoritmi). Ushbu algorimt uchun kiruvchi ma’lumotlar bo‘lib qo‘lyozma obyektining segmentatsiya qilingan qo‘lyozma obyekti tasviri, chiquvchi ma’lumotlar bo‘lib esa – ushbu obyektning belgilar yordamidagi bayoni hisoblanadi. Taklif qilinayotgan tuzilmaviy xarakteristikalarni hisoblash asosida qo‘lyozma matnlari tasvirlari bo‘yicha xarakterli belgilarni ajratib olish algoritmi quyidagi asosiy bosqichlarni o‘z ichiga oladi. 1-bosqich. Yo‘naltirilgan gradiyentlarni hisoblash. Ushbu bosqichda qo‘lyozma obyekti uchun yo‘naltirilgan gradiyentlar hisoblanadi. Ma’lumki [34], tasvirni gradiyentlarini hisoblash uchun quyidagi amallar bajariladi. 1.1-qadam. Har bir 𝐼(𝑟,𝑐) piksel uchun gorizontal (𝑔𝑥) va vertikal (𝑔𝑦) gradiyentlar hisoblansin: 𝑔𝑥(𝑟,𝑐):=𝐼(𝑟,𝑐+1)−𝐼(𝑟,𝑐−1), 𝑔𝑦(𝑟,𝑐):=𝐼(𝑟−1,𝑐)−𝐼(𝑟+1,𝑐). 1.2-qadam. Tasvirning har bir pikseli uchun gradiyentning qiymati va yo‘nalishi aniqlansin: 𝑔(𝑟,𝑐):=√𝑔𝑥 2(𝑟,𝑐)+𝑔𝑦 2(𝑟,𝑐) , 𝜃(𝑟,𝑐):=arctg𝑔𝑦(𝑟,𝑐) 𝑔𝑥(𝑟,𝑐) . 2-bosqich. Berilgan tasvirni fragmentlarga bo‘lish. Qo‘lyozma obyekt sifatida ko‘pincha harf bo‘lganligi va harflar kengligining balandligiga nisbati 1:3 bo‘lganligi uchun qo‘lyozma obyektlari 3×9 teng bo‘laklarga bo‘linadi. 3-bosqich. Qo‘lyozma obyektining xarakteristik belgilarini hisoblash. Ushbu bosqichda qo‘lyozma obyektlarining xarakterli belgilari to‘plami shakllantiriladi, ushbu belgilar ko‘rib chiqilayotgan oynadagi tanlab olinuvchi xarakteristikalar sifatida aniqlanadi. Tanlab olinuvchi xarakteristikalar sifatida oynada qo‘lyozma obyektlarining quyidagi belgilari aniqlanadi: – yo‘naltirilgan gradiyentalar gistogrammasi (𝑥1,…,𝑥9); – ikkinchi tartibli moment (𝑥10); – qora piksellar ulushi (𝑥11). Avval tasvirning har bir fragmenti uchun gistogrammalar hisoblanadi. Bunda gistogramma quyidagi tarzda aniqlanuvchi 9 ta sondan tashkil topgan vektordan iborat bo‘ladi. Vektor komponentining raqami gradiyent yo‘nalishi 𝜃 asosida, ushbu komponentning qiymati esa – gradiyent qiymati 𝑔 asosida tanlab olinadi. Bunda vektor komponentining raqami (1, 2, …, 9) gradiyent burchaklariga (0°, 20°, …, 160°) mos holda tanlanadi. 3-rasmda keltirilgan bir nechta misollarni ko‘rib chiqamiz. Ko‘k rang bilan ko‘rsatilgan pikselda 𝜃= 80° va 𝑔=2 bo‘lganligi uchun vektorning beshinchi komponentiga 2 qo‘shiladi. Qizil rang bilan ko‘rsatilgan pikselda 𝜃=10° (bu qiymat esa 0° bilan 20° orasidadir), u holda 𝑔=4 vektorning birinchi va ikkinchi komponentlari o‘rtasida bir tekis taqsimlanadi. Binafsharang bilan ko‘rsatilgan piksel 𝜃=165° yo‘nalishga ega. Shuning uchun ushbu pikseldagi gradiyent qiymati 𝑔=85 quyidagi mulohazalar asosida vektorning birinchi va oxirgi komponenti o‘rtasida taqsimlanadi: 165° burchak 160° burchakka 180° (0°) burchakka yaqinligidan ko‘ra uchdan bir marta yaqinroq, demak vektorning oxirgi komponentiga 85 ∙|165−160| 20 =63.75, birinchisiga esa – 85 ∙|165−180| 20 =21.25 qo‘shiladi. 144 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ 3-rasm. Yo‘naltirilgan gradiyentlar gistogrammasini hisoblash [35] Shunday qilib, 𝜃 va 𝑔 larning barcha qiymatlari bo‘yicha o‘tgan holda tasvirning ko‘rib chiqilayotgan fragmenti yo‘naltirilgan gradiyentlari gistogrammasini olamiz. Shundan so‘ng gistogrammani normallashtirish amalga oshiriladi: 𝐻𝑂𝐺𝑖=𝐻𝑖 √∑𝐻𝑗2+𝜀 9 𝑗=1 , bu yerda 𝜀 – kichik musbat son, masalan, tajribalarda 𝜀=10−5 dan foydalanildi. Tasvir fragmentlarining olingan barcha gistogramalarini konkatenatsiya qilish yo‘li bilan butun qo‘lyozma obyekti tasvirini xarakterlovchi 3×9×9 ta komponentli gistogrammani olamiz. Ishlab chiqilgan algoritmlarni eksperimental tadqiq qilish. Tajribaviy tadqiqotlar IAM [19] va IUHT [33] qo‘lyozma matni tasvirlari bazalari asosida o‘tkazildi. IAM bazasida ingliz tilidagi 657 ta muallifga tegishli bo‘lgan skaner qilingan 1539 ta qo‘lyozma matni sahifasi mavjud. IUHT bazasi o‘zbek tilidagi (lotin va kirill grafikasi) 373 ta mualliflarga tegishli bo‘lgan skanerlangan 2242 ta qo‘lyozma matni sahifasidan tashkil topgan. Bunda har ikkala bazada ham sahifalar 600 dpi tasvir aniqligi bilan skanergangan va kulrang tasvirlar ko‘rinishida JPEG formatida saqlangan. Sinflarga ajratish kerak bo‘lgan obyektlarning sinflari esa muvozanatlashgan. Qo‘lyozma matni tasvirlarini tahlil qilishda shaxsni identifikatsiya qilish masalasi ishda taklif qilingan belgilarni ajratib olish va tanib olish algoritmlari kombinatsiyalaridan foydalangan holda hal qilindi. Qiyosiy tahlil qilish uchun ushbu masala kiruvchi va yashirin qatlamlarda ReLU faollashtirish funksiyalariga, chiquvchi qatlamda esa – SoftMax faollashtirish funksiyalariga ega bo‘lgan uch qatlamli to‘liq bog‘lanishli sun’iy neyron tarmog‘idan foydalanib ham hal qilindi. Bunday arxitekturadan klassik hollarda obyektlarni sinflarga ajratish masalalarini hal qilishda foydalaniladi. Ta’kidlab o‘tamizki, taklif qilingan belgilarni ajratib olish algoritmlarini qo‘llanishi natijasida tanib olish obyektlari soni juda kichik bo‘lganligi uchun neyron tarmog‘ini o‘qitish uchun berilgan ma’lumotlarni augmentatsiya qilish amalga oshirildi. Sanab o‘tilgan algoritmlar sifatini baholash - berilgan tanlanmaning 20% ni tashkil qiluvchi nazorat tanlanmasi obyektlarini tanib olish aniqligi bo‘yicha hamda 10×10 karrali sirpanuvchi nazoratda foydalangan holda o‘tkazildi. IAM va IUHT tasvirlar bazalaridan olingan nazorat tanlanma obyektlarini sinflarga ajratish natijalari quyidagi jadvalda keltirilgan. 1-jadval. IAM va IUHT tasvirlar bazalari qo‘lyozma obyektlarini sinflarga ajratish natijalari Olingan natijalarni solishtirish taklif qilingan qo‘lyozma matni belgilarini ajratib olish algoritmlari orasida aniqlik nuqtai-nazaridan eng samaralisi bo‘lib fragmentlar bo‘yicha tahlil qilish algoritmi (A2 algoritmi) ekanligini ko‘rsatdi. Xulosa. Tajribalar natijalari qo‘lyozma matni belgilarini ajratib olish uchun taklif qilingan algoritmlarning ishlashini ko‘rsatdi. Taklif etilgan algoritmlar qo‘lyozma matnli tasvirlarni tahlil qilish 145 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ uchun turli tizimlarni yaratish uchun ishlatilishi mumkin. Foydalanilgan adabiyotlar 1. Fornes, A., Llados, J., Sanchez, G., Bunke, H. Writer Identification in Old Handwritten Music Scores // In 8th IAPR Workshop on Document Analysis Systems (2008), 347-353. 2. Sas, J. Handwriting Recognition Accuracy Improvement by Author Identification // In: L. Rutkowski et al. (eds.), ICAISC 2006, LNAI 4029, 682-691.Springer, Heidelberg. 3. Chaudhry, R., Pant, S.K. Identification of authorship using lateral palm print –a new concept // Forensic Science International (2004), volume (141), 49-57. 4. Schomaker, L. Advances in Writer Identification and Verification //In: 9th International Conference on Document Analysis and Recognition (ICDAR‘07), volume (2), 1268-1273. 5. Plamondon, R., Lorette, G. Automatic Signature Verification and Writer Identification – The State of the Art //Pattern Recognition (1989), vol. 22, no. 2, pp. 107-131. 6. Leclerc, F., Plamondon, R. Automatic signature verification: The state of the art 1989-1993 // In Progress in Automatic Signature Verification edited by R. Plamandon (1994), World Scientific Publ. Co., pp. 13-19. 7. Gupta, S. Automatic Person Identification and Verification using Online Handwriting //Master Thesis. International Institute of Information Technology Hyderabad, India (2008). 8. Schlapbach, A., Marcus, L. Bunke, H. A writer identification system for on-line whiteboard data /Pattern Recognition Journal 41 (2008), pp. 23821– 23897. 9. Schomaker, L. Advances in Writer identification and verification //in 9th Int.Conf. on Document Analysis and Recognition (ICDAR’2007). 10. F.J. Maarse, L.R.B. Schomaker, H.L. Teulings, in: G.C. van der Vier, G. Mulder(Eds.) Automatic Identification of Writers in Human Computer Interaction: Psychonomic Aspects, Springer, Heidelberg, 1986. 11. Marti, U.V., Bunke, H. The IAM-Database: An English Sentence Database for Offline Handwriting Recognition /Document Analysis and Recognition, 2002, vol. 5, no. 1, pp. 39-46. 12. Дадаханов М.Х., Асраев М.А. Қўлёзма матни тасвирларига дастлабки ишлов бериш алгоритмлари //Информатика ва энергетика муаммолари. – Тошкент, 2019. – №1. – 54-61 б. 13. Radjabov S.S., Dadaxanov M.X., Mardiyev A.Sh. Qo’lyozma matni tasviri sifatini oshirishning samarali algoritmini tanlash //Al-Farg’oniy avlodlari. – Farg’ona, 2024. – T. 1, №2. – 255-260 b. 14. Дадаханов М.Х. Қўлёзмали матн тасвирларини морфологик амалларга асосланган бинарлаш алгоритми //Муҳаммад ал-Хоразмий авлодлари. –Тошкент, 2020. – №1(53). – 112-121 б. 15. Раджабов С.С., Дадаханов М.Х., Асраев М.А., Маматов А.А., Абсаломов Ў.А. Қўлёзма матн тасвирларини сегментациялаш алгоритмлари //Информатика ва энергетика муаммолари. – Тошкент, 2020. – №3. – 139-144 б. 16. Dalal N., Triggs B. Histograms of Oriented Gradients for Human Detection /IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05), San Diego, CA, USA, 2005, pp. 886-893 vol. 1, doi: 10.1109/CVPR.2005.177. 17. https://towardsdatascience.com/hoghistogram-of-oriented-gradients-67ecd887675f