Tính cấp thiết
Chữ Nôm là một di sản văn hóa dân tộc. Chữ Nôm ra đời có ý nghĩa hết sức lớn lao, đánh dấu bước phát triển của nền văn hóa dân tộc, ý thức tự cường và khẳng định vai trò, địa vị của Tiếng Việt.
Lâu nay nghiên cứu Hán Nôm là việc làm hết sức có ý nghĩa đối với sự nghiệp tìm hiểu tri thức văn hóa của con người Việt Nam; là cầu nối của quá khứ với hiện tại và tương lai. Tìm hiểu nghiên cứu, khai tác thư tịch, di tích, văn hóa lịch sử, con người xưa để xây dựng nền văn hóa mới, tạo cơ hội cho người Việt Nam hiện tại và mai sau tiếp cận, lĩnh hội và thưởng thức những giá trị văn hóa Việt Nam, góp phần giữ vững bản sắc dân tộc và có thể hòa nhập với thế giới, vượt qua những thử thách lớn lao, phức tạp của thời đại.
Nghiên cứu Hán Nôm vì thế gắn liền và làm rạng ngời nền văn hóa dân tộc, khẳng định bản sắc riêng biệt của dân tộc. Để góp phần đưa các tác phẩm chữ Nôm đến gần hơn, dễ dàng tiếp cận hơn, ứng dụng Công Nghệ Thông Tin là một trong những cách tiếp cận. Một trong những nhiệm vụ được đặt ra cho Công Nghệ Thông Tin là xây dựng bộ ứng dụng nhận dạng chữ Nôm.
Bên cạnh đó, hiện nay hầu hết các quốc gia đã có thể xây dựng bộ ứng dụng nhận dạng ngôn ngữ chữ viết của họ, do đó vấn đề xây dựng bộ ứng dụng nhận dạng chữ Nôm càng trở nên cấp thiết hơn.
Chữ Nôm–Quốc âm
Chữ Nôm là tên gọi cách viết biểu ý trong thời cổ đại và trung đại của Tiếng Việt, có một thời kỳ dài được xem là ngôn ngữ quốc gia (quốc ngữ), gọi là Quốc Âm.
Theo các nhà nghiên cứu, chữ Nôm xuất hiện ở Việt Nam dựa trên cơ sở chữ Hán của người Trung Quốc và âm Hán-Việt đã hình thành một cách có hệ thống ở Việt Nam. Dần dần, có những chữ Hán không ghi được âm Hán-Việt nên các chữ Nôm được sáng tạo ra để ghi âm tiếng Việt, tạo thành các văn tự Nôm.
Chữ Nôm hình thành và phát triển khoảng từ thế kỷ X đến đầu thế kỷ XX (về thời điểm chữ Nôm ra đời vẫn còn nhiều tranh cãi). Cứ liệu sớm nhất về chữ Nôm là bản khắc trên quả chuông Vân Bản năm 1076, thời nhà Lý, thế kỷ XI. Ban đầu chữ Nôm thường dùng để ghi tên người, tên đất, nhưng càng về sau, chữ Nôm càng trở nên phổ biến và tìm thấy ý nghĩa trong đời sống văn hóa của Người Việt. Tuy nhiên, chữ Nôm chưa bao giờ được các triều đại phong kiến coi là ngôn ngữ chính thống trên phương diện nhà nước, trừ nhà Hồ đầu thế kỷ XV (1400-1407), nhà Tây Sơn cuối thế kỷ XVII (1788-1802), với số năm ít ỏi, đã từng có xu hướng sử dụng chữ Nôm trong các văn bản hành chính. Sau khi Việt Nam thoát khỏi ách đô hộ của phương Bắc vào năm 939, chữ Nôm được hoàn chỉnh dần dần và chỉ đến thế kỷ XIII – XV mới được dùng nhiều trong văn chương.
Ban đầu khi mới xuất hiện, chữ Nôm thuần túy mượn chữ Hán y nguyên để ghi âm tiếng Việt cổ. Phép đó gọi là “giả tá”. Dần dần phép ghép hai chữ Hán lại với nhau, một phần gợi âm, một phần gợi ý được dùng ngày càng nhiều và có hệ thống hơn. Phép này gọi là “hài thanh” để cấu tạo chữ mới. Kể từ thời Lê về sau số lượng sáng tác bằng chữ Nôm tăng dần trong suốt 500 năm từ thế kỷ XIV đến thế kỷ XX. Dồi dào nhất là các áng thi văn có tính cách cảm hứng, tiêu khiển và nặng phần tình cảm. Những tác phẩm Nôm này rất đa dạng: từ Hàn luật (thơ Nôm (tiếng Việt) theo luật Đường), đến văn tế, truyện thơ lục bát, song thất lục bát, phú, hát nói, tuồng, chèo. Văn Nôm đã diễn tả đầy đủ mọi tình cảm của dân tộc Việt, khi thì hào hùng, khi thì bi ai; khi thì trang nghiêm, khi thì bỡn cợt.
Chữ Nôm có gốc rễ từ chữ Hán, do đó nguyên tắc và phương pháp cấu tạo chữ tự nhiên cũng có chổ giống hoặc tương tự. Nhưng chữ Nôm lại có chổ độc đáo riêng của nó.
Tuy nhiên nhờ mang nhiều nét tương đồng, bài toán nhận dạng chữ Nôm có thể tham khảo được những phương pháp nhận dạng đả được áp dụng cho chữ Trung Quốc. So sánh với chữ Latinh, cấu tạo chữ Nôm có nhiều nét khác biệt. Do đó phương pháp xử lý cũng mang tính đặc thù hơn. Chữ Nôm thường được viết gióng hàng, gióng cột, do đó việc tách chữ có phần đơn gian hơn chữ latinh. Tuy nhiên các hàng chữ Nôm thường bố cục cách xa nhau hơn so với chữ Latinh, do đó bài toán xử lý nghiêng có một số khó khăn hơn.
Động lực nghiên cứu nhận dạng chữ Nôm
Mặc dù lịch sử hình thành chữ Nôm còn không ít vấn đề cần làm sáng tỏ, nhưng về ý nghĩa của sự ra đời của chữ Nôm, các nhà nghiên cứu đều thống nhất nhận định rằng: trong suốt quãng thời gian tồn tại, chữ Nôm là công cụ duy nhất, hoàn toàn Việt Nam, ghi lại lịch sử, văn hóa của dân tộc Việt. Chữ Nôm ra đời bắt nguồn từ ý thức phản vệ của dân tộc chống lại xu hướng Hán hóa của người phương Bắc, khẳng định tinh thần dân tộc của người Việt. Sự hình thành và phát triển của chữ Nôm, dù nói gì đi chăng nữa, cũng mang đậm tính thuần Việt ở chỗ nó đi lên từ đòi hỏi của đời sống Việt, nó được cư dân Việt Nam chấp nhận trong nền văn hóa của mình mà không cần một “sắc lệnh” nào từ giới cầm quyền.
Sự hình thành và phát triển của chữ Nôm là bước ngoặt thứ nhất trong lịch sử ngôn ngữ văn tự của người Việt và cũng là một bước ngoặt trong lịch sử văn hóa Việt Nam, đáp ứng đòi hỏi của việc trực tiếp ghi chép hoặc diễn đạt lời ăn tiếng nói cùng tâm tư, suy nghĩ và tình cảm của bản than người Việt.
Chữ Nôm đã tạo nên những thành tựu rực rỡ, làm phong phú kho tàng văn hóa Việt Nam, điều mà trước đó chữ Hán trên đất Việt không hề có được. Hơn nữa, cái đặc sắc của bước ngoặt này là: nó do chính con người Việt Nam tạo ra và phát triển từ sức sống của dân tộc, từ sâu thẳm của bản sắc văn hóa đã được tạo dựng ngàn năm của chính mình. Có lẽ vì vậy, con người Việt Nam cùng với chữ Nôm là những con người thuần Việt hơn bao giờ hết. Chữ Nôm đã góp phần to lớn trong việc giữ gìn và phát huy bản sắc của dân tộc Việt Nam trên con đường tự khẳng định mình vậy.
Những ý nghĩa to lớn trên của chữ Nôm là động lực của những nghiên cứu nhằm đưa chữ Nôm trở nên có thể nắm bắt được bởi thế hệ hiện tại, những người không được học, đào tạo và sử dụng chữ Nôm.
Tình hình nghiên cứu
Hiện nay liên quan đến chữ Nôm đã có nhiều nhóm nghiên cứu thực hiện, cả trên lĩnh vực ngôn ngữ học và ứng dụng Công Nghệ Thông Tin. Một trong những thành tựu đầu tiên là việc hình thành từ điển chữ Nôm, xây dựng các kho chữ Nôm được số hóa, số hóa và dịch các tài liệu, tác phẩm chữ Nôm như Truyện Kiều (Nguyễn Du) của Hán Nôm Foundation. Tiếp tới sau những nổ lực trong thời gian dài, chữ Nôm đã được xác lập vị trí trong bộ ký tự thế giới Unicode và ISO 10646, trong đó có 5067 ký tự trùng hình với chữ Trung Quốc, 4232 chữ thuần Nôm và hiện đang đề nghị đưa vào thêm 2200 chữ. Kế tiếp bước đi đó, nhiều bộ font Nôm, bộ gõ chữ Nôm đã được xây dựng. Và một trong những bước đi tiếp của lộ trình trên là xây dựng ứng dụng nhận dạng ký tự quang học Nôm (OCR-Nôm).
Liên quan đến nhận dạng chữ Nôm, nhóm nghiên cứu LES Nôm (Laboratory of Embeded System) của trường Đại học Công Nghệ – ĐHQG Hà Nội cũng đã có một số nghiên cứu và đạt được thành quả nhất định. Các nghiên cứu chủ yếu tập trung nghiên cứu, xây dựng các Engine nhận dạng, để xây dựng ứng dụng nhận dạng chạy trên PC với đầu vào là ảnh của 1 chữ, chưa triển khai nhận dạng bằng Camera trên nền tảng di động.
Đối tượng và phạm vi nghiên cứu
Chúng tôi tập trung nhận dạng bài toán nhận dạng chữ Nôm dựa trên những nghiên cứu đã có của nhóm nghiên cứu LES Nôm nhằm xây dựng một phần mềm nhận dạng hoàn chỉnh có chức năng chụp hình chữ Nôm, nhận dạng và đưa ra nghĩa Tiếng Việt.
Hệ thống nhận dạng ký tự quang học (OCR – optical character recognition) nói chung và hệ thống nhận dạng chữ Nôm nói riêng bao gồm 4 thành phần chính: tiền xử lý, trích chọn đặc trưng, nhận dạng, hậu xử lý. Luận văn dựa trên ứng dụng nhận dạng trên PC trong “Nhận dạng chữ Nôm bằng mạng Nơ ron” của Trần Nguyên Hoàng được thực hiện với kho mẫu NOM-DB0 chứa 495 chữ Nôm, để xây dựng hệ thống nhận dạng chữ Nôm hoàn chỉnh. Ứng dụng nhận dạng trên PC yêu cầu đầu vào là ảnh nhị phân của một chữ Nôm, do đó để hoàn chỉnh hệ thống nhận dạng trên thiết bị di động, với đầu vào là ảnh chụp sử dụng Camera, đầu ra là nghĩa Tiếng Việt của chữ Nôm, đề tài tập trung nghiên cứu các phương pháp tiền xử lý cần áp dụng.
Mục đích và nhiệm vụ nghiên cứu
Đề tài tập trung hoàn chỉnh hệ thống nhận dạng, nhằm cụ thể hóa bài toán nhận dạng trên thiết bị di dộng dựa trên ứng dụng nhận dạng trên PC hiện có của LES-Nôm xây dựng. Hệ thống được xây dựng dựa trên mô hình Client-Server. Client ứng dụng trên điện thoại thông minh chạy hệ điều hành Android, thực hiện việc chụp hình chữ Nôm, tiền xử lý ảnh chụp được, gửi ảnh chữ Nôm lên Server và nhận về và hiển thị kết quả nhận dạng.
Trong bước tiền xử lý, đề tài thực hiện tìm hiểu, và cài đặt thuật toán nhị phân hóa ảnh, đề xuất thuật toán phát hiện và xử lý nghiêng của ảnh và phân đoạn, tách chữ. Sau đó tiến hành thực nghiệm, phân tích kết quả đạt được, đề xuất các hướng nghiên cứu tiếp theo nhằm cải tiến tiếp.
Để đạt được mục tiêu trên, chúng tôi đã tiến hành tìm hiểu, từ đó làm rỏ, và đề xuất phương pháp tiền xử lý trong bài toán nhận dạng chữ Nôm. Luận văn tập trung tìm hiểu các vấn đề chính sau:
- Xây dựng hệ thống theo mô hình client-server
- Phương pháp nhị phân hóa ảnh
- Phương pháp phát hiện, và xử lý nghiêng ảnh chụp các ký từ bằng camera có thiết bị di động
- Phương pháp tách rời các chữ từ ảnh chụp được như được trình bày trong chương 2, các phương pháp trên chưa bao hàm hết tất cả các phương pháp áp dụng trong tiền xử lý. Nhưng do thời gian hạn chế, chúng tôi chỉ tìm hiểu những phương pháp cốt yếu nhất để có thể hoàn chỉnh hệ thống nhận dạng trên Android.
Những nội dung nghiên cứu
Chúng tôi tìm hiểu nghiên cứu về bài toán tiền xử lý trong nhận dạng ký tự quang học nhằm mục đích xây dựng ứng dụng nhận dạng chữ Nôm trên thiết bị di động. Để tiến hành nghiên cứu và đánh giá, chúng tôi sử dụng kết quả nghiên cứu – ứng dụng nhậng dạng trên PC của nhóm LES-Nôm được tiến hành trên bộ dữ liệu Nôm-DB0. Trên cơ sở các kiến thức tìm hiểu được, và ứng dụng nhận dạng hiện có, tiến hành xây dựng hệ thống. Chúng tôi áp dụng thuật toán xác định ngưỡng toàn cục Otsu để nhị phân hóa ảnh chụp được, đề xuất thuật toán phát hiện và xử lý nghiêng dựa trên ý tưởng của Wojciech Biniecki, Szymon Grabowski & Wojciech Rozenberg, dựa trên đặc điểm viết gióng hàng, gióng cột của chữ Nôm đề xuất thuật toán tách chữ đơn giản, từ đó xây dựng ứng dụng nhận dạng hoàn chỉnh trên thiết bị Android.
Kết cấu luận văn
Luận văn được chia làm 4 chương.
Trong chương 1, chúng tôi trình bày về bài toán nhận dạng ký tự quang học nói chung, và nhận dạng chữ Nôm nói riêng.
Tiếp đó, trong chương 2, chúng tôi trình bày về Tiền xử lý trong bài toán nhận dạng – mục tiêu nghiên cứu của đề tài.
Trong chương 3, chúng tôi đi sâu trình bày về các thuật toán mà chúng tôi sẽ sử dụng trong bước tiền xử lý nhận dạng chữ Nôm: thuật toán xác định ngưỡng toàn cục Otsu, thuật toán phát hiện và xử lý nghiêng và thuật toán tách chữ. Ở chương cuối, chúng tôi trình bày về thực nghiệm xây dựng hệ thống, các kết quả đạt được và phân tích về những hạn chế của chương trình, từ đó đề xuất hướng nghiên cứu tiếp theo nhằm cải tiến hệ thống.
Link tải tài liệu: https://ckk.ai/VLNUquGPe
Lưu ý: Link tải có chứa quảng cáo được rút gọn bằng Shrinkearn.com
Mật khẩu mở tệp PDF: sharetailieu.net
