CHAPITRE 1. LA RECONNAISSANCE OPTIQUE DES
CARACTÈRES
déduisons l'identité du caractère
à partir de ces primitives qui correspondent à des formes
élémentaires du tracé et à des
événements produits lors du tracé et des relations
existantes entre elles. Citons quelques méthodes structurelles qui
utilisent ces primitives :
- Les méthodes de tests : Les
méthodes de tests consistent à appliquer sur chaque forme
traitée des tests de plus en plus fins sur la présence ou
l'absence de primitives de manière à répartir les
entrées en classe. Le processus consiste à deviser à
chaque test l'ensemble des choix en deux jusqu'a ce que nous obtenons une seule
forme correspondant à un caractère entré [Ben99]. Ce choix
dichotomique est très simple à mettre en oeuvre, mais il est
très sensible à la variation du tracé.
- Représentations à base de chaine
: Une forme (caractère, PAW, mot,..) est
représentée par une chaine de symboles. Ces symboles
représentent les primitives composant la forme ou des directions le long
de contour (codage de Freeman). Pour reconnaitre la forme nous la comparons
à des formes de références par des algorithmes de
comparaisons de chaines. Ces algorithmes donnent, généralement,
une mesure de ressemblance entre la forme testée et la formes prototype.
Pour plus de détails, le lecteur peut consulter [FGL+06].
- L'approche syntaxique : Chaque
caractère est représenté par une phrase dans un langage ou
le vocabulaire est constitué de primitive. Les formes qui appartiennent
à la même classe présente une structure commune peuvent
être représentées par une même grammaire. Une
étude détaillée sur les méthodes syntaxiques se
trouve dans [FGL+06].
1.3.5.2 Approche stochastique
La forme est considérée comme un signal continu
observable dans le temps à différents endroits. Ces états
sont décrits à l'aide de probabilité de transition
d'état et de probabilité d'observation d'état [BBE00].
- Les Modèles de Marko Cachés
: Les modèles de Markov connaissent un essor important en
reconnaissance des formes grâce à leurs capacités
d'intégration du contexte et d'absorption du bruit [BBE00]. En utilusant
les modèles de Markov, les formes sont décrites par une
séquence de caractéristiques qui seront observées dans les
états du modèle. La probabilité d'émission de la
forme est calculée en cherchant le maximum de la probabilité
d'observation des segments pondérée par les probabilités
de transitions entre états.
18
| 
