Reconnaissance automatique de l écriture arabe manuscrite
Par :Formats :
Définitivement indisponible
Cet article ne peut plus être commandé sur notre site (ouvrage épuisé ou plus commercialisé). Il se peut néanmoins que l'éditeur imprime une nouvelle édition de cet ouvrage à l'avenir. Nous vous invitons donc à revenir périodiquement sur notre site.
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay indisponible
- Retrait Click and Collect en magasin gratuit
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages240
- PrésentationBroché
- Poids0.359 kg
- Dimensions15,2 cm × 22,9 cm × 1,4 cm
- ISBN978-3-8381-4940-0
- EAN9783838149400
- Date de parution18/11/2014
- CollectionOMN.PRES.FRANC.
- ÉditeurAcadémiques
Résumé
Le travail présenté dans cet ouvrage est consacré à la conception d'une nouvelle base de mots arabes manuscrits représentant des noms des communes algériennes, et au développement et l'évaluation d'un nouveau système de reconnaissance hors-ligne de mots arabes manuscrits basé sur une combinaison de trois classifieurs neuronaux qui sont : un Perceptron Multi-Couches, un réseau à base de fonctions radiales et un réseau Fuzzy ART.
Le système proposé utilise une méthode de reconnaissance globale. Pour cela, plusieurs étapes de prétraitement sont appliquées aux images de mots, incluant : un lissage, une normalisation, une squelettisation, un redressement et une extraction de contour. Trois types de moments géométriques ont été utilisés comme primitives, à savoir : les moments de Hu, les moments de Tchebichef et les moments de Zernike ont été utilisés ; chacun d'eux a été exploité par un classifieur neuronal différent.
L'évaluation du système de reconnaissance proposé a été menée sur deux bases de mots : IFN/ENIT et notre base nouvellement conçue. Les résultats obtenus sont satisfaisant et comparable à des travaux pertinents réalisés dans le domaine de la reconnaissance du script arabe.
Le système proposé utilise une méthode de reconnaissance globale. Pour cela, plusieurs étapes de prétraitement sont appliquées aux images de mots, incluant : un lissage, une normalisation, une squelettisation, un redressement et une extraction de contour. Trois types de moments géométriques ont été utilisés comme primitives, à savoir : les moments de Hu, les moments de Tchebichef et les moments de Zernike ont été utilisés ; chacun d'eux a été exploité par un classifieur neuronal différent.
L'évaluation du système de reconnaissance proposé a été menée sur deux bases de mots : IFN/ENIT et notre base nouvellement conçue. Les résultats obtenus sont satisfaisant et comparable à des travaux pertinents réalisés dans le domaine de la reconnaissance du script arabe.
Le travail présenté dans cet ouvrage est consacré à la conception d'une nouvelle base de mots arabes manuscrits représentant des noms des communes algériennes, et au développement et l'évaluation d'un nouveau système de reconnaissance hors-ligne de mots arabes manuscrits basé sur une combinaison de trois classifieurs neuronaux qui sont : un Perceptron Multi-Couches, un réseau à base de fonctions radiales et un réseau Fuzzy ART.
Le système proposé utilise une méthode de reconnaissance globale. Pour cela, plusieurs étapes de prétraitement sont appliquées aux images de mots, incluant : un lissage, une normalisation, une squelettisation, un redressement et une extraction de contour. Trois types de moments géométriques ont été utilisés comme primitives, à savoir : les moments de Hu, les moments de Tchebichef et les moments de Zernike ont été utilisés ; chacun d'eux a été exploité par un classifieur neuronal différent.
L'évaluation du système de reconnaissance proposé a été menée sur deux bases de mots : IFN/ENIT et notre base nouvellement conçue. Les résultats obtenus sont satisfaisant et comparable à des travaux pertinents réalisés dans le domaine de la reconnaissance du script arabe.
Le système proposé utilise une méthode de reconnaissance globale. Pour cela, plusieurs étapes de prétraitement sont appliquées aux images de mots, incluant : un lissage, une normalisation, une squelettisation, un redressement et une extraction de contour. Trois types de moments géométriques ont été utilisés comme primitives, à savoir : les moments de Hu, les moments de Tchebichef et les moments de Zernike ont été utilisés ; chacun d'eux a été exploité par un classifieur neuronal différent.
L'évaluation du système de reconnaissance proposé a été menée sur deux bases de mots : IFN/ENIT et notre base nouvellement conçue. Les résultats obtenus sont satisfaisant et comparable à des travaux pertinents réalisés dans le domaine de la reconnaissance du script arabe.