Caractérisation et extraction informatique de la structure d'un tableau par une méthode implémentant un réseau de neurones

• AVANT PROPOS
  
• SIGLES ET ABREVIATIONS
  
• Résumé
  
• Abstract
  
• 0. INTRODUCTION
  
• 0.1. Problématique
  
• 0.2. Hypothèse
  
  • 0.3. Objet, choix et Intérêt du sujet
    0.3.1. Objet du sujet
    
  • 0.3.2. Choix et intérêt du sujet
    
  • 0.4. Etat de la question
    
  • 0.5. Délimitation du sujet
    
  • 0.6. Démarche de recherche, méthodes et techniques utilisées
    
  • 0.7. Présentation sommaire du travail
    
  • 0.8. Difficultés rencontrées
    
• CHAPITRE I. ETAT DE L'ART EN RECONNAISSANCE DES TABLEAUX
  
• 1.1. Objectifs
  
• 1.2. Aperçu succinct de la littérature en reconnaissance des tableaux
  
  • 1.2.1. Types de reconnaissance de tableaux
    
  • 1.2.2. Méthodologies, algorithmes et techniques utilisés
    
  • a. L'approche proposée par Laurentini et Viada12
    
  • b. La méthodologie proposée par Pereira 13
    
  • c. Le procédé prôné par Zanibbi 15
    
  • d. La méthodologie de Shin et Guerette16
    
  • f. L'approche proposée par Chen et Lopresti22
    
  • 1.2.3. Analyse et interprétation des données
    
  • a) Encodage de données
    
  • b) Analyse des méthodes et techniques utilisées
    
  • c) Analyse des résultats obtenus par l'utilisation des différentes méthodes
    
  • b) Les résultats des tests
    
  • 1.2.4. Problèmes et difficultés rencontrés
    
  • 1.2.5. Conclusion
    
• CHAPITRE II. LE PROBLEME DE LA RECONNAISSANCE DE TABLEAUX
  
• 2.1. Objectifs
  
• 2.2. Quelques considérations théoriques du problème
  
  • 2.2.1. Postulat :
    
  • 2.2.2. Considérations :
    
  • 2.3.1. Généralités sur les réseaux de neurones.
    
  • 2.3.1.1. Qu'est ce qu'un réseau de neurones ?
    
  • 2.3.1.2. Structure d'un neurone
    
  • 2.3.1.3. Types et exemples de réseaux de neurones
    
• 2.4. Méthodologie adoptée
  
• 2.5. Conclusion
  
• CHAPITRE III. APPLICATION D'UN RESEAU DE NEURONE A LA RECONNAISSANCE
  
• DE TABLEAUX
  
• 3.1. Objectifs et but
  
• 3.2. Choix et composition du réseau de neurones
  
  • 3.2.1. Choix du réseau de neurones
    
  • 3.2.1.1. Le nombre total de neurones
    
  • 3.2.1.2. Type de réseau de neurones choisi
    
  • 3.2.2. Composition du réseau de neurones choisi
    
  • 3.3.1. L'étape du prétraitement
    
  • 3.3.1.1. Réduction de la taille de l'image:
    
  • 3.3.1.2. Binarisation de l'image:
    
• 3.4. Conclusion
  
• CHAPITRE IV. IMPLEMENTATION DU RESEAU ET RESULTATS
  
• 4.1. Objectifs et but
  
• 4.2. Architecture logiciel de l'application
  
• 4.3.Implémentation du prétraitement
  
• 4.5. Expérimentation
  
• 4.6. Conclusion
  
• CONCLUSION GENERALE
  
• BIBLIOGRAPHIE
  
• TABLE DE MATIERES
  
• ANNEXES
  
• I. ALGORITHME DE LA TRANSFORMATION DE HOUGH
  
• II. ALGORITHME ISODATA, TEL QUE MODIFIE PAR JIWON SHIN ET NICK GUERETTE
  
• III. ALGORITHME DE CROISSANCE DE REGION (`'REGION - GROWING»)