Issn 2091-5446 ilmiy axborotnoma научный вестник scientific journal

 
Table 3. Accuracy (in (%)) of our system when using rotated images in different angels 
F.E.M. 
Matching 
Angles of rotation (
◦
) 
0 
45 
90 
135 
180 
225 
270 
315 
SIFT 
Min Dist. 
100 
98.9 
97.8 
96.7 
100 
97.8 
100 
98.9 
k-NN_5 
100 
100 
100 
96.7 
100 
98.9 
100 
100 
SVM 
100 
100 
98.9 
98.9 
100 
98.9 
100 
100 
In fourth scenario, we tested our system when the gestures are shifted or occluded horizontally and 
vertically in different percentage of its sizes. In other word, we try to investigate whether our proposed 
system is robust against occluded images while identifying the character. In this scenario, we used four 
training images and the testing images are occluded to identify the UzSL character. The results of this 
experiment are shown in Table (4). 
Table 4. Accuracy (in (%) of our system in case of image occlusion 
F.E.M. 
Matching 
Percentage of Occlusion 
Horizontal 
Vertical 
20 
40 
60 
20 
40 
60 
SIFT 
Nearest Neighbord 
98.9 
93.3 
34.4 
98.9 
95.6 
32.2 
k-NN_5 
97.8 
95.6 
38.9 
97.8 
96.7 
53.3 
SVM 
98.9 
95.6 
52.2 
98.9 
96.7 
45.6 
In order to evaluate the performance of our proposed system, we have considered the percentage 
of the total number of Arabic sign characters that were correct as the main factor. The results, summarized 
in Table (1, 2, 3 and 4), will be discussed to confirm this factor. 

---