TABLE DE MATIERES
0. INTRODUCTION 1
0.1. Problématique 8
0.2. Hypothèse 9
0.3. Objet, choix et Intérêt du sujet 10
0.4. Etat de la question 10
0.5. Délimitation du sujet 11
0.6. Démarche de recherche, méthodes et techniques
utilisées 11
0.7. Présentation sommaire du travail 12
0.8. Difficultés rencontrées 13
CHAPITRE I. ETAT DE L'ART EN RECONNAISSANCE DES TABLEAUX 14
1.1. Objectifs 14
1.2. Aperçu succinct de la littérature en
reconnaissance des tableaux 14
1.2.1. Types de reconnaissance de tableaux 14
1.2.2. Méthodologies, algorithmes et techniques
utilisés 16
L'approche proposée par Laurentini et Viada 16
La méthodologie proposée par Pereira 18
Le procédé prôné par Zanibbi 19
La méthodologie de Shin et Guerette 25
Les méthodes proposées par Kawanaka 28
L'approche proposée par Chen et Lopresti 29
1.2.3. Analyse et interprétation des données 32
Encodage de données 33
Analyse des méthodes et techniques utilisées 34
Analyse des résultats obtenus par l'utilisation des
différentes méthodes 37
1.2.4. Problèmes et difficultés rencontrés
40
1.2.5. Conclusion 41
CHAPITRE II. LE PROBLEME DE LA RECONNAISSANCE DE TABLEAUX 42
2.1. Objectifs 42
89
2.2. Quelques considérations théoriques du
problème 42
2.2.1. Postulat 42
2.2.2. Considérations 42
2.3. Notre démarche de solution 47
2.3.1. Généralités sur les réseaux
de neurones 48
2.3.1.1. Qu'est ce qu'un réseau de neurones ? 48
2.3.1.2. Structure d'un neurone 49
2.3.1.3. Types et exemples de réseaux de neurones 50
2.3.1.4. Modes d'apprentissage d'un réseau de neurones
52
2.4. Méthodologie adoptée 53
2.5. Conclusion 54
CHAPITRE III. APPLICATION D'UN RESEAU DE NEURONE A LA
RECONNAISSANCE DE
TABLEAUX 55
3.1. Objectifs et but 55
3.2. Choix et composition du réseau de neurones 55
3.2.1. Choix du réseau de neurones 55
3.2.1.1. Le nombre total de neurones 55
3.2.1.2. Type de réseau de neurones choisi 55
3.2.2. Composition du réseau de neurones choisi 56
Le nombre de neurones composant chaque couche 56
L'organisation des neurones dans le réseau 57
3.3. Méthodologie de reconnaissance 58
3.3.1. L'étape du prétraitement 58
3.3.1.1. Réduction de la taille de l'image: 58
3.3.1.2. Binarisation de l'image: 59
3.3.2. L'étape d'extraction des caractéristiques
du tableau 60
1ère phase : Détection du tableau 61
2ème phase : Compréhension de la structure du
tableau 63
3.4. Conclusion 65
90
CHAPITRE IV. IMPLEMENTATION DU RESEAU ET RESULTATS 66
4.1. Objectifs et but 66
4.2. Architecture logiciel de l'application 66
4.3. Implémentation du prétraitement 68
4.4. Implémentation du réseau de neurones 69
4.4.1. Quelques considérations d'ordre techniques 69
4.4.2. Implémentation du neurone de la Rétine 70
4.4.3. Implémentation de la couche `'Retine» 71
4.4.4. Implémentation du neurone de Gradient 73
4.4.5. Implémentation de la couche `'Gradient» 74
4.4.6. Implémentation de l'Aire de sortie 75
4.4.7. Implémentation du Réseau (classe principale)
77
4.5. Expérimentation 81
Préparation des données de test 81
Mesure des performances 82
Résultats expérimentaux 82
4.6. Conclusion 83
CONCLUSION GENERALE 84
BIBLIOGRAPHIE 86
TABLE DE MATIERES 88
91
| 
