Modelisation stochastique et reconnaissance de lettres manuscrites

Handwritten characters recognition by stochastic models

• Auteur / Autrice : ERIC L'HOMER
• Direction : Robert Azencott
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1998
• Etablissement(s) : Paris 11

Résumé

Parmi les nombreuses methodes de reconnaissance de lettres manuscrites proposees ces dernieres annees, un nombre tres restreint d'entre elles utilisent ou proposent une modelisation capable de simuler l'ecriture. Cette rarete est due a la difficulte d'estimer, a partir d'une image de lettre, le trace des traits qui la compose, du fait de nombreux croisements et chevauchements, trace a partir duquel une modelisation efficace est possible. Dans ce travail, un algorithme d'estimation des trajectoires de traits est decrit, base sur une etude statistique et une modelisation des croisements de traits. Chaque lettre est alors caracterisee par un graphe de courbes ; une modelisation stochastique de celui-ci, a l'aide d'un melange de lois gaussiennes, est estimee par un algorithme de type em, sur une large base de donnees standard. Un algorithme de reconnaissance, base sur cette modelisation, est decrit. Pour chaque image de lettre et pour chaque classe de lettre, un estimateur du graphe de courbe est calcule. Une pre-estimation de ce graphe, a l'aide d'une regression sur des caracteristiques globales des lettres, dont les parametres ont ete estimes a partir de simulation de lettres, permettent d'obtenir rapidement cet estimateur. L'identification de la classe de la lettre est obtenue par un test sur la vraisemblance des graphes de courbes. Les resultats obtenus permettent d'envisager une extension du modele aux mots manuscrits.