Modèles markoviens uni- et bidimensionnels pour la reconnaissance de l'écriture manuscrite hors-ligne

One and two-dimensional Markov models for off-line handwriting recognition

• Auteur / Autrice : George Saon
• Direction : Abdelwaheb Belaïd
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 1997
• Etablissement(s) : Nancy 1

Mots clés

Mots clés contrôlés

Champs aléatoires de Markov

Écriture

Estimation, Théorie de l'

Markov, Processus de

Reconnaissance des formes (informatique)

Résumé

Cette thèse porte sur l'étude de modélisations stochastiques markoviennes de nature et dimension variables et sur leur application à la reconnaissance de l'écriture manuscrite hors-ligne dans un vocabulaire réduit. Pour les modèles ID, une comparaison est faite entre les HMMs (discrets et semi-continus ) et le modèle à base de trajectoires stochastiques (STM). Les modèles pseudo-2D ou planaires constituent une étape intermédiaire importante dans l'extension de l'appariement élastique au plan. L'accent est mis ensuite sur l'utilisation des champs aléatoires causaux où nous introduisons un nouveau modèle appelé NSHP-HMM. Les propriétés de ce modèle ainsi que les expérimentations effectuées sur la reconnaissance de caractères (imprimés et manuscrits), chiffres manuscrits et mots manuscrits non-contraints dans un vocabulaire réduit sont traitées en détail. L'étude des mécanismes d'apprentissage et des stratégies de reconnaissance est transversale à toutes les modélisations considérées. Dans cette lignée, des réflexions sur la combinaison de classifieurs et sur l'étude du rejet sont émises. Un calcul de complexité accompagné d'éléments liés à l'implémentation montre la faisabilité des modèles proposés dans le cadre d'une application réelle.

This thesis deals with the study of stochastic Markovian modelings of variable nature and dimension and with their application to off-line handwriting recognition within a small lexicon. For the ID models, a comparison is performed between the HMMs (discrete and semi-continuous) and the stochastic trajectory model (STM). The pseudo-2D or planar-HMMs are an important step towards the extension of the warping to the plane. Next, the accent is set on the use of causal random fields where we introduce a new model called NSHP-HMM. The properties of this model and the experiments performed on the recognition of characters (printed and handwritten), handwritten digits and unconstrained handwritten words in a small lexicon are described in great detail. The study of training issues and recognition methods is done for all the modelings considered. Some elements related to classifier combination and reject are also described. Complexity considerations together with practical implementation issues show the feasability of the proposed models within a real application.