Contribution à la reconnaissance d'écriture arabe manuscrite en utilisant la classification neuronale

Abstract

La reconnaissance de l’écriture manuscrite joue un rôle très important dans différents domaines tels que la lecture automatique des chèques, des adresses postales et des formulaires administratifs. L’objectif de ce projet est de proposer un système de reconnaissance hors-ligne des chiffres et mots arabes par les réseaux de neurones. Quatre types de caractéristiques des mots ont été utilisés, les moments invariants de Zernike et de Hu, les cavités et les quatre projections HV2D. Les données utilisées sont issues de deux bases de données, la base MNIST pour les chiffres et AHDB pour les mots isolés. Plusieurs architectures du réseau de neurones et primitives ont été testés pour avoir aboutir des taux de reconnaissance acceptables. Pour augmenter d’avantage le taux de reconnaissance, plusieurs combinaisons de caractéristiques ont été utilisées. Les résultats de simulation montrent que les moments de Zernike sont plus discriminants que les autres caractéristiques.