Reconnaissance de l'écriture arabe cursive : combinaison de classifieurs MMCs à fenêtres orientées

Abstract

L'écriture arabe est naturellement cursive, difficile à segmenter et présente une grande variabilité. Nous présentons tout d'abord un système de référence pour la reconnaissance hors-ligne de l'écriture cursive basé sur les modèles de Markov cachés (MMC), de type analytique et sans segmentation. Les vecteurs de caractéristiques sont liés aux densités et aux configurations locales de pixels. Ces vecteurs sont extraits sur les images binaires de mots, de droite à gauche, par des fenêtres glissantes. Le système générique HCM, à l'état de l'art, apprend les modèles de caractères et de mots à partir de leur image et de leur transcription. Puis nous proposons une méthode avancée qui prend en considération les inclinaisons possibles dans l'écriture. Cette méthode est composée de deux étapes, une étape de reconnaissance et une étape de combinaison en post-traitement. L'étape de reconnaissance est basée sur l'extraction des vecteurs de caractéristiques toujours selon la technique des fenêtres glissantes mais avec des inclinaisons différentes permettant d'obtenir dans la phase de classification, et pour chaque inclinaison, un ensemble de mots candidats comme résultat. L'étape de combinaison permet de fusionner en post-traitement les résultats obtenus pour produire le candidat le plus approprié. Le système a montré de bonnes performances sur la base IFN/ENIT de noms de ville Tunisiens.