Utilisation des processus markoviens en reconnaissance de l'écriture
Résumé
In this paper, we describe the use of different types of Markov models in handwriting recognition. Recognition is done by a posteriori pattern probability calculus. This computation implies several terms which, according to the dependency hypotheses akin to the considered application, can be decomposed in elementary conditional probabilities. Under the assumption that the pattern may be modeled as a unior two-dimensional stochastic process (random field) presenting Markovian properties, local maximisations of these probabilities result in maximum pattern likelihood. We have studied throughout the article several cases of subpattern probability conditioning. Each case is accompanied by practical illustrations related to the field of writing recognition.
Dans cet article, nous décrivons l'emploi de différents types de modèles de Markov en reconnaissance de l'écriture. La reconnaissance est obtenue par calcul de la probabilité a posteriori de la forme. Ce calcul fait intervenir plusieurs termes qui, suivant certaines hypothèses de dépendance liées à l'application traitée, peuvent se décomposer en probabilités conditionnelles élémentaires. Si l'on suppose que la forme est assimilable à un processus stochastique uni ou bi-dimensionnel (champ aléatoire) qui de plus vérifie les propriétés de Markov, alors la maximisation locale de ces probabilités garantit la maximisation de la vraisemblance de la forme. Nous avons étudié plusieurs cas de conditionnement des probabilités élémentaires des sous-formes. Chaque étude est accompagnée d'illustrations pratiques relatives au domaine de la reconnaissance de l'écriture imprimée et/ou manuscrite