LUẬN văn kỹ THUẬT PHẦN mềm EXTRACTION DES CARACTÉRISTIQUES POUR LA RECONNAISSANCE DES CARACTÈRES VIETNAMIENS EN LIGNE

Université de Can Tho
Faculté des Technologies de l’information et de la communication

F

’ T

EXTRACTION DES CARACTÉRISTIQUES POUR
LA RECONNAISSANCE DES CARACTÈRES
VIETNAMIENS EN LIGNE

tudiante:

Tuteur:
Dr. TRAN Cao Đe

TRAN Thi Thu Han
ode d’étudiante: 1091664

émoire présenté pour l’obtention du diplôme d’ingénieur en informatique
Juillet 2013


Rapport de Mémoire

RÉSUMÉ
La reconnaissance automatique de l’écriture est la transcription des données
manuscrites à partir des différentes sources en texte sous forme numérique. Actuellement,
il existe de nombreuses recherches sur les langues indo-européennes ; mais il encore est
rare des études sur les langues orientales dont le vietnamien. De plus, dans le processus
pour reconnaitre une écriture manuscrite, l’extraction des caractéristiques de l’écriture est

une étape importante qui affecte sa performance, sa vitesse et son exactitude.
’est pourquoi, le but de ce mémoire se concentre sur les études de la
reconnaissance des caractères manuscrits vietnamiens isolées en ligne et la recherche des
caractéristiques pertinentes à extraire afin d’améliorer le résultat de la reconnaissance.

Pour la démonstration, un système de reconnaissance des caractères vietnamiens
est construit. L’écriture a été capturée par la tablette et ensuite traitée en trois étapes : le
prétraitement comprenant l’échantillonnage et la normalisation, l’extraction des
caractéristiques et la classification. Ce système se fonctionne grâce aux caractéristiques
proposées et au classificateur SVM, qui, selon plusieurs recherches, est reconnu comme
un bon classificateur. Au volet de l’extraction des caractéristiques, la combinaison des
deux caractéristiques en ligne et hors ligne a été utilisée.
Mots clés: reconnaissance de l’écriture vietnamienne en ligne, SVM, extraction
des caractéristiques, combinaison des deux caractéristiques.

-2-


Rapport de Mémoire

ABSTRACT
Automatic handwriting recognition is the transcription of handwritten from
different sources in digital form text. Currently, there is extensive research on the IndoEuropean languages, but it still is rare studies on the eastern languages, including
Vietnamese. In addition, in the process to recognize handwriting, feature extraction of
handwriting is an important step that affects its performance, speed and accuracy.
Therefore, the aim of this thesis focuses on the study of the recognition of isolated
Vietnamese online handwritten characters and on the research of the relevant features
extraction in order to improve the result of the recognition.
For the demonstration, a system is built to recognize Vietnamese character. The
handwriting was captured by the tablet and then treated in three stages: preprocessing

including sampling and standardization, feature extraction and classification. The system
works through the proposedfeatures and SVM classifier, which according to several
studies, is recognized as a good classifier. The part of the feature extraction, a
combination of two features online and offline was used.

Keywords: online Vietnamese writing recognition, SVM, feature extraction,
characteristics combination.

-3-


Rapport de Mémoire

TABLE DES MATIÈRES

RÉSUMÉ........................................................................................................................ 2
ABSTRACT ................................................................................................................... 3
TABLE DES MATIÈRES ............................................................................................. 4
LISTE DES FIGURES .................................................................................................. 7
REMERCIEMENTS ..................................................................................................... 9
CHAPITRE 1: INTRODUCTION .............................................................................. 10
CHAPITRE 2: RECONNAISSANCE DES CARACTERES VIETNAMIENS EN
LIGNE .......................................................................................................................... 14
2.1 LA RECONNAISSANCE DE L’

T

..................................................... 14

2.2 LA RECONNAISSANCE DES CARACTÈRES VIETNAMIENS EN LIGNE ... 16

2.2.1 La langue vietnamienne ............................................................................... 16
2.2.2 La caractéristique de données ...................................................................... 17
2.2.3 Le modèle de reconnaissance ....................................................................... 19
2.3 L’ TAT DE L’A T ............................................................................................ 21
2.4 CONCLUSION .................................................................................................. 22
CHAPITRE 3: EXTRACTION DES CARACTÉRISTIQUES ................................. 24
3.1 INTRODUCTION .............................................................................................. 24
3.2 ZONE ................................................................................................................. 25
3.3 PROJECTIONS .................................................................................................. 26
3.4 LE RATIO DE LA HAUTEUR SUR LA LARGEUR .......................................... 27
3.5 NOMBRE DE TRACES ..................................................................................... 28
3.6 CHANGEMENT DE DIRECTION DE L’

-4-

T

........................................ 29


Rapport de Mémoire

3.7 MOMENTS GÉOMÉTRIQUES ......................................................................... 30
3.7.1 Moments de Hu ........................................................................................... 31
3.7.2 Moments de Zernike .................................................................................... 32
3.8 AUTRES CARACTÉRISTIQUES EN LIGNE ................................................... 33
3.9 LES SEPT CARACTÉRISTIQUES PAR POINT................................................ 33
3.10

CONCLUSION ............................................................................................... 34

CHAPITRE 4 : MACHINE À VECTEUR DE SUPPORT ....................................... 35
4.1 INTRODUCTION .............................................................................................. 35
4.2 MACHINE À VECTEUR DE SUPPORT ........................................................... 35
4.3 SVM LINÉAIRE ................................................................................................ 38
4.4 SVM NON LINÉAIRE ....................................................................................... 40
4.5 CAS MULTI-CLASSE ....................................................................................... 40
4.6 APPLICATION .................................................................................................. 41
4.7 CONCLUSION .................................................................................................. 41
CHAPITRE 5 : EXPÉRIMENTATIONS................................................................... 42
5.1 MODÈLE DE RECONNAISSANCE ..................................................................................... 42
5.1.1 Prétraitement ........................................................................................................................... 43
5.1.2 Extraction et sélection des caractéristiques .................................................................. 44
5.1.3 Reconnaissance ...................................................................................................................... 48
5.2 RÉSULTATS OBTENUS ........................................................................................................... 48
5.3 PROBLÈME AVEC LE TAUX DE LA CLASSIFICATION ........................................ 50
5.4 CONCLUSION ............................................................................................................................... 51
CHAPITRE 6 : CONCLUSION ................................................................................. 52
6.1 RÉSULTATS OBTENUS ........................................................................................................... 52
6.2 LIMITATIONS ............................................................................................................................... 52
6.3 DÉVELOPPEMENT DU SUJET ............................................................................................. 53

-5-


Rapport de Mémoire

ANNEXE ...................................................................................................................... 54
LA GUIDE DE L’UTILISATION DE L’OUTIL ...................................................... 54
1.

L’

T

FA

DE L’

T A

T .............................................................................. 54

2.

L’

T

FA

DE LA RECONNAISSANCE .................................................................. 55

RÉFÉRENCES ............................................................................................................ 57

-6-


Rapport de Mémoire

LISTE DES FIGURES
Figure 1.1 Communication écrite homme-machine ........................................................ 11
Figure 2.1 La différence entre le système écriture en-ligne et hors-ligne ........................ 15
Figure 2.2 ignaux d’entrée du système en ligne (à gauche) et hors ligne (à droit)......... 16
Figure 2.3 n fichier des données de l’écriture en ligne sous le format

P

........... 18

Figure 2.4 Le modèle de reconnaissance des caractères manuscrits ............................... 19
Figure 3.1 Les stratégies pour le zonage : ...................................................................... 25
Figure 3.2 Le zonage de 6 .............................................................................................. 26
Figure 3.3 La projection verticale de la lettre « E » ........................................................ 27
Figure 3. 4 La projection verticale de la lettre « F » ....................................................... 27
Figure 3.5 La normalisation de taille de la lettre ”l” ....................................................... 27
Figure 3.6 La série des points de la lettre « E » .............................................................. 28
Figure 3.7 Un fichier de données de « x » sous le format UNIPEN ................................ 30
Figure 4.1 L’hyperplan sépare les deux ensembles de points ......................................... 36
Figure 4.2 Les vecteurs de support ................................................................................. 36
Figure 4.3 L’hyperplan optimal ..................................................................................... 37
Figure 4.4 L’hyperplan avec faible marge et le meilleur hyperplan séparateur ............... 37
Figure 4.5 SVM linéaire et SVM non linéaire ................................................................ 38
Figure 4.6 L’hyperplan de 2 dimensions ........................................................................ 39
Figure 4.7 La transformation de l’espace des données ................................................... 40
Figure 5.1 Le modèle de reconnaissance du système de reconnaissance des caractères
manuscrits en ligne en utilisant le SVM ......................................................................... 42
Figure 5.2 Le caractère avant et après le ré-échantillonnage .......................................... 44
Figure 5.3 Le caractère « Ẫ » ......................................................................................... 50
Figure 5.4 Le caractère « Ễ » ......................................................................................... 50

Figure 5.5 La similitude entre ”u” et ”v” ........................................................................ 51
Figure 5.6 La similitude entre ”l” et ”e” ......................................................................... 51

-7-


Rapport de Mémoire

LISTE DES TABLEAUX
Tableau 5.1 Les caractéristiques sélectionnées ............................................................... 46
Tableau 5.2 Les caractéristiques sélectionnées ............................................................... 48
Tableau 5.3 Résultat de la reconnaissance de caractère .................................................. 50

-8-


Rapport de Mémoire

REMERCIEMENTS

Je tiens un premier temps à remercier tous ceux qui m’ont suivie et aidée dans
mon travail.
J’adresse en premier lieu mes sincères remerciements et toute ma gratitude à mon
tuteur Dr.TRAN Cao

e pour ses précieux conseils et ses encouragements qui m’ont

permis d’achever mon mémoire.
Je remercie aussi les membres du jury pour avoir accepté de juger mon travail, et
avoir pris leur temps pour lire et juger ce travail.

Je tiens également à remercier tous les professeurs, en particulier ceux de la
Faculté pour avoir créé toutes les conditions favorables et pour leur soutien que j’ai
constamment reçus pendant mon travail.
L’ensemble de mes amis, qui m’a aidé et qui m’a encouragé, trouve aussi ici
l’expression de ma reconnaissance.
Les mots sont insuffisants pour exprimer mes sentiments et ma gratitude envers
ceux qui de près ou de loin ont apporté leur secours, leur soutien pendant mon travail
ainsi que pendant mes années universitaires. Je ne pourrai jamais oublier leur affection et
leurs encouragements qu’ils m’ont réservés.
Malgré tous mes efforts infatigables pour parachever ce mémoire, il y existe
certainement des erreurs. Je serai très heureuse de recevoir toutes les opinions, les
contributions et les commentaires pour perfectionner mon travail.

-9-


Rapport de Mémoire

CHAPITRE 1: INTRODUCTION
L’écriture manuscrite est un des plus anciens et des plus importants moyens de
communication entre les hommes, qui leur permet à s’échanger des informations sans le
support de la voix. Bien sûr, l’écriture de chaque personne est originale, unique en raison
d’une combinaison très complexe de multiples différences de psychologie, de
tempérament, d’état d’âme ou d’esprit, de caractère, des premières pratiques d’écriture et
de dextérité manuelle. Pourtant toutes les lettres des écritures d’une même langue infiniment diversifiées soient-elles – pourvu qu’elles soient lisibles, doivent représenter
un minimum de traits distinctifs qui permettent de les décoder assez facilement.
Aujourd’hui, malgré le développement accéléré des moyens de communication,
l’écriture manuscrite constitue toujours un lien étroit et apprécié entre les individus, entre
les consommateurs et leur organisme de distribution, entre les citoyens et leur
administration,… l leur permet d’échanger des sentiments, des idées, des informations

naturellement et efficace.

ans la vie moderne, l’écriture manuscrite est non seulement

un moyen de communication entre les hommes mais aussi entre l’homme et la machine.

- 10 -


Rapport de Mémoire

Figure 1.1 Communication écrite homme-machine
De nos jours, avec le développement de la technologie, de la société et de
l’économie, l’utilisation des formulaires imprimés dans les transactions commerciales et
les procédures administratives devient très populaire. Pourtant, le traitement des
formulaires remplis prend beaucoup de temps et de travail.

’ailleurs, c’est très coûteux

et il peut y avoir des erreurs lorsque la quantité d’informations à traiter est grande et
complexe. Grâce à la reconnaissance de l’écriture, de nombreux obstacles semblent avoir
été surmontés.

lle offre beaucoup d’avantages dans plusieurs domaines tels que le

traitement automatique de dossiers, de formulaires administratifs, la lecture de chèques
bancaires, etc…
Il existe deux catégories distinguées des systèmes de reconnaissance:
 La reconnaissance en-ligne: l’échantillon d’encre est constitué d’un ensemble de
coordonnées bidimensionnelles en fonction du temps;

 La reconnaissance hors-ligne: l’écriture est disponible sous forme d’image.

- 11 -


Rapport de Mémoire

La reconnaissance en-ligne est généralement beaucoup plus efficace que la
reconnaissance hors-ligne car les échantillons sont beaucoup plus informatifs. Pourtant, il
faut évidemment un matériel spécifique pour saisir un tel échantillon, c’est le cas
notamment des stylos numériques ou des stylets sur agendas électroniques ou sur les
tablettes.
ans le domaine de la reconnaissance de l’écriture, l’extraction des
caractéristiques est l’étape la plus importante qui affecte la vitesse, l’exactitude de la
reconnaissance. Il y a des caractères qui permettent un bon résultat quand ils sont utilisés
ensemble. À côté des caractéristiques qui améliorent la performance, il y a aussi des
caractéristiques qui brouillent le résultat de reconnaissance.

’est pourquoi, la sélection

des caractéristiques à extraire est probablement le facteur le plus important pour atteindre
la plus haute performance. Nombreuses sont des recherches déjà effectuées sur les
langues occidentales mais elles restent encore rares sur le vietnamien, une langue aux
nombreux signes diacritiques.
e sujet a pour but d’étudier les caractéristiques à extraire pour recevoir un bon
résultat dans la reconnaissance de l’écriture vietnamienne en ligne.

ans la première

partie, on présentera tout d’abord l’histoire, l’état de l’art de la reconnaissance de

caractères manuscrits et l’extraction des caractéristiques.

n abordera aussi sur la

caractéristique de la langue vietnamienne, la caractéristique de données et le processus de
la reconnaissance.
La deuxième partie introduira les caractéristiques utilisées pour l’extraction. ’est
une des étapes importantes dans la reconnaissance d’écriture. Pour chaque
caractéristique, on présentera aussi des algorithmes, des manières pour les extraire.
ans la suite, on abordera la technique d’apprentissage utilisée qui s’appelle V
(Machine à vecteurs de support ou séparateur à vaste marge, en anglais Support Vector
achine).

’est un classificateur linéaire qui aide à résoudre les problèmes de

discrimination et de régression.

- 12 -


Rapport de Mémoire

La partie qui suit consacrera aux résultats obtenus à partir de ce projet et discutera
sur les éléments influencés.
La dernière partie va conclure nos travaux et mentionner les limites et les
developements de la recherche.

- 13 -

Rapport de Mémoire

CHAPITRE 2: RECONNAISSANCE DES CARACTERES VIETNAMIENS
EN LIGNE

2.1

LA RECONNAISSANCE DE L’ÉCRITURE
La reconnaissance automatique de l’écriture, étudiée depuis plus de 50 ans, est la

transcription des données manuscrites à partir des différentes sources telles que des
documents papiers, photographies, écrans tactiles,… en texte sous forme numérique,
destiné à être utilisé par l'ordinateur. Aujourd’hui, malgré le développement de la
technologie de l’information, l’écriture demeure un moyen essentiel dans la
communication entre les hommes et aussi entre l’home et la machine. ’est pourquoi, la
reconnaissance d’écriture devient un problème important et elle se montre très utile dans
l’économie, l’industrielle, l’administration,... où elle prend une grande importance grâce à
son applicabilité à la reconnaissance de l’écriture sur les documents scannés ou sur les
interfaces basées sur l'utilisation du stylo. Il y a eu des systèmes qui ont des impacts
significatifs sur l’économie et la vie quotidienne telles que l'interprétation des adresses
postales ou la lecture de chèques bancaires. Cela provient de nombreuses recherches
portées sur la reconnaissance d’écriture.
Les données sont converties sous forme numérique, ou par scanner de l'écriture sur
le papier, ou bien en écrivant avec un stylo spécial sur une surface électronique tel qu'un
numériseur combiné avec un écran à cristaux liquides. Les deux approches sont : la
reconnaissance hors ligne et la reconnaissance en ligne.

- 14 -

Rapport de Mémoire

Figure 2.1 La différence entre le système écriture en-ligne et hors-ligne
La reconnaissance hors ligne se réfère à un processus de reconnaissance effectué
après que l’écriture a été capturée. Les données de l’écriture sont généralement
présentées sous forme d’image, ce qui approche le traitement d’image à base de récupérer
des informations textuelles.
Dans le cas en ligne, des coordonnées bidimensionnelles des points consécutifs de
l'écriture en fonction du temps sont disponibles. Alors que dans le cas hors-ligne,
seulement les écritures terminées sont disponibles sous forme d'image. La figure 2.1
montre la différence entre ces deux catégories.

- 15 -


Rapport de Mémoire

Figure 2.2 ignaux d’entrée du système en ligne (à gauche) et hors ligne (à droit)
Le taux de reconnaissance est beaucoup plus élevé dans le cas en-ligne en
comparaison avec le cas hors-ligne.

’est pourquoi, dans ce mémoire, nous nous

focalisons sur la reconnaissance des caractères en ligne.

2.2

LA RECONNAISSANCE DES CARACTÈRES VIETNAMIENS EN LIGNE
ans la reconnaissance de l'écriture en ligne, les signaux de l’écriture sont

capturés à partir des traces du stylus sur la surface d'une tablette. Les signaux d'entrée
sont à la reconnaissance, ce qui donne alors le texte de l'entrée manuscrite. La
reconnaissance de l’écriture en ligne est aussi appelée la reconnaissance en temps réel
parce que les caractères sont reconnus comme elles sont écrites. Il consiste à utiliser les
périphériques à base du stylus pour capturer la séquence des coordonnées des points. Cela
donne des informations sur le nombre, l’ordre, la direction et la vitesse des traits.

2.2.1 La langue vietnamienne
Le vietnamien est la langue officielle du Viet Nam. Le « quốc ngữ » (écriture de la
langue nationale) est une romanisation de la langue vietnamienne possédant le statut

- 16 -


Rapport de Mémoire

d’orthographe officielle.

’est un alphabet latin augmenté de nombreux diacritiques

servant à noter tant la valeur phonétique de certaines lettres que les tons de la langue.
L’ensemble complet des caractères vietnamiens contient 99 classes qui peuvent
être classés en trois sous-ensembles comme suivant:
 Les chiffres: {0..9}
 Les caractères non accentués: {A, B, C, D, Đ, , G, H, , K, L,

,

,

, Ơ, P, Q,

, , T, , Ư, V, X, Y}
 Les caractères accentués: {Ă, Â, À, Ả, Ã, Á, Ạ, Ằ, Ẳ, Ẵ, Ắ, Ặ, Ầ, Ẩ, Ẫ, Ấ, Ậ, Ê,
È, Ẻ, Ẽ, , Ẹ, Ề, Ể, Ễ, Ế, Ệ, Ì, Ỉ, Ĩ, Í, Ị, Ò, Ỏ, Õ, Ó, Ọ, Ô, Ồ, Ổ, Ỗ, Ố, Ộ, Ờ, Ở, Ỡ,
Ớ, Ợ, Ù, Ủ, Ũ, Ú, Ụ, Ừ, Ử, Ữ, Ứ, Ự, Ỳ, Ỷ, Ỹ, Ý, Ỵ}

2.2.2 La caractéristique de données
Pour la représentation des données de l’écriture en ligne, il y a trois principaux
standards : Unipen, InkML (Digital Ink Markup Language) et UPX (UnipenXML). Dans
cette étude, nous utilisons l’ nipen pour la représentation des données.
Le format UNIPEN, géré par la Fondation Internationale Unipen (iUF), permet
une représentation hiérarchique des données manuscrites en ligne [4]. Il contient 16000
chiffres isolés, 28000 caractères majuscules isolés et 61000 caractères minuscules isolés.
e format est capable d’annoter les données suffisantes pour encoder toutes les
informations sur les conditions de prise, du scripteur, de segmentation, de la qualité des
données, de l’étiquetage…

- 17 -


Rapport de Mémoire

Figure 2.3 n fichier des données de l’écriture en ligne sous le format

P

Selon le format UNIPEN utilisé, chaque fichier commence par les informations
sur les coordonnées, la taille, la résolution,… es informations sont séparées par les mots
clés. La partie suivie contient les données. l s’agit de stockage de chaque trace sous

forme d’ensemble des points entre 2 mots clés « .PEN_DOWN » et « .PEN_UP », de
stockage de chaque point par la coordonnée X, la coordonnée Y.
Les informations et la description détaillées du format UNIPEN peuvent être
trouvées à la page de iUF [4].

- 18 -


Rapport de Mémoire

2.2.3 Le modèle de reconnaissance
Les étapes principales du processus de reconnaissance d’écriture manuscrite en
ligne sont montrées par le diagramme dans la figure 2.4.

Figure 2.4 Le modèle de reconnaissance des caractères manuscrits
Les données utilisées dans le système de reconnaissance sont divisées en deux
parties : la partie d’entraînement - qui est utilisée pour créer le modèle de reconnaissance
- et la partie de reconnaissance - qui est utilisée pour la reconnaissance.
Toutes les deux parties sont tout d’abord passées en deux étapes : le prétraitement
et l’extraction de caractéristique.

- 19 -


Rapport de Mémoire

 L’étape de prétraitement: Cette étape prépare les données pour l’étape
d’extraction. La donnée créée par l’équipement ne peut pas être utilisée tout de
suite parce qu’il y a beaucoup de bruits.

’est pourquoi cette étape, très

importante, augmente l’efficacité de la classification et la performance de la
reconnaissance. lle essaie d’effacer les informations indésirables comme le bruit
en utilisant les techniques qui règlent les données telles que le ré-échantillonnage,
la normalisation,…
 L’étape d’extraction de caractéristiques: L'extraction de caractéristiques est une
procédure très importante pour extraire des caractéristiques qui sont les attributs
séparés et sont peut-être identifiées et mesurées. A partir d'ici, chaque objet sera
représenté par ses vecteurs de caractéristiques, comportant des informations
nécessaires, qui aident à distinguer les classes de façon cohérente et claire. La
qualité du système de traitement dépend directement du bon choix du contenu de
ces vecteurs. Mais dans de nombreux cas, la résolution pratique du problème
devient presque impossible à cause de la dimensionnalité trop importante de ces
vecteurs. Par conséquent, il est souvent utile, et parfois nécessaire, de réduire
celle-ci à une taille plus compatible avec les méthodes de résolution, même si cette
réduction peut conduire à une légère perte d'informations.
 L’étape de classification : La classification est le processus d’attribution des
données à leur classe correspondante par rapport à des groupes ayant des
caractéristiques homogènes. Il y a deux étapes dans la construction d’un
classificateur : l’entraînement et la reconnaissance.

ertaines techniques de

classification utilisées dans les systèmes de reconnaissance développés
précédemment sont le réseau de neurones, la machine à vecteur support (SVM), la
classification bayésienne, la classification d’arbre de décision.
nous utilisons le SVM.

- 20 -

ans ce mémoire,


Rapport de Mémoire

2.3

L’ÉTAT DE L’ART
La reconnaissance de l’écriture est encore un problème bien difficile pour les

chercheurs. L'histoire de la reconnaissance de caractères peut être tracée dès 1900,
lorsque le scientifique russe Turing a tenté de développer une aide pour les handicapés
visuels. En 1914, Hyman Eli Goldberg a inventé et a fait breveter son «contrôleur», un
dispositif, considéré comme le premier exemple de reconnaissance de l’écriture en ligne
qui ait converti des caractères numériques manuscrits en données électriques qui, à leur
tour instruisent une machine en temps réel. À partir des années 80, l’apparition des
tablettes graphiques pouvant capturer les coordonnées du mouvement du tracé a permis
aux chercheurs de s’intéresser à la reconnaissance d’écriture en ligne.
Jusqu’à maintenant, il existe des systèmes facilitant la reconnaissance dont:
P

++,

, A AP

pour l’arabe, Quick troke pour le chinois,

Actuellement la reconnaissance de l’écriture en-ligne n’est pas un problème
nouveau. l y a déjà de nombreuses recherches sur l’extraction de caractéristiques pour la

reconnaissance de l’écriture.
 Heutte et al. [6] ont utilisé sept différentes familles de caractéristiques qui
comportent les caractéristiques statistiques et structurelles.
 Alors que la recherche de Brijesh et al. [10] utilise les caractéristiques
structurelles, le changement de direction d’écriture, le zonage pour créer un seul
vecteur de caractéristique global. Le résultat montre que cette caractéristique
globale est très efficace et prometteuse.

’ailleurs, le point fort de cette recherche

est que les caractéristiques peuvent être extractées sans le redimensionnement du
caractère.


ans la recherche d’Ahmad et al. [11], chaque caractère a été ré-échantillonné et
ses caractéristiques sont extraites basées sur la direction et la courbure. Il a conclu
que le SVM donne le résultat le meilleur sur les données UNIPEN et IRONOFF en

- 21 -


Rapport de Mémoire

comparant le SVM, le MLP (Multiplayer Perceptrons) et le TDNN (Time Delay
Neural Network).
Quant à la reconnaissance des caractères vietnamiens, il y en a certaines
recherches qui utilisent de préférence les données hors ligne.
 Anh Phuong Pham [1] a proposé un modèle de reconnaissance de l’écriture isolée
basée sur le SVM, qui comporte une certaine simple et efficace méthode
d’extraction de caractéristiques. l a conclu que le zonage, la projection et le profil

réduisent la taille des données d’entrée en augmentant la vitesse de
reconnaissance. Dans son autre recherche qui combine le SVM et la
caractéristique wavelet Haar, le résultat montre que cette méthode obtient une
précision satisfaisante et prometteuse. Pourtant la taille des données est un peu
élevée (256 caractéristiques) ; cela diminue la vitesse de reconnaissance.
 De son côté, De Cao Tran [2] utilise, pour la reconnaissance en ligne, 45
caractéristiques statistiques et structurales, en utilisant le SVM comme le
classificateur, extrait à partir des données en ligne et hors ligne telles que les
moments, la projection horizontale, la projection verticale, le nombre des traces,
les coordonnées, les cosinus,…

ette recherche propose en même temps une

méthode de recognition qui réduit la taille du problème en reconnaissant
séparément l’accent et la lettre.
En particulier, on obtient désormais des résultats acceptables pour la
reconnaissance de caractères manuscrits isolés en ligne et particulièrement pour la
reconnaissance des caractères vietnamiens.

2.4

CONCLUSION
Une bonne compréhension des problèmes, des connaissances générales sur la

reconnaissance des caractères manuscrits en ligne ainsi que le système d’écriture et les

- 22 -


Rapport de Mémoire

propriétés des données est la première étape importante dans la construction et la
recherche d’un système de reconnaissance. e chapitre a présenté une vue d’ensemble du
système de reconnaissance des écritures manuscrites vietnamiennes. Dans la prochaine
partie, nous aborderons l’extraction des caractéristiques, une des étapes les plus
importantes dans le modèle de reconnaissance qui influence la performance d’algorithme.

- 23 -


Rapport de Mémoire

CHAPITRE 3: EXTRACTION DES CARACTÉRISTIQUES

3.1

INTRODUCTION
L'objectif principal de l'extraction de caractéristiques est d’améliorer la vitesse et

la précision de la classification pour la reconnaissance. Comme mentionnée dans
plusieurs littératures, l'extraction des caractéristiques joue un rôle important dans le
processus général de reconnaissance de l'écriture.
Les méthodes d'extraction de caractéristiques tombent entre ces catégories [12]:
+ La statistique: méthode basée sur une planification de la façon dont les données
sont recueillies et sélectionnée. Elle est basée sur la théorie des probabilités et des
hypothèses. Les principales méthodes d'extraction dans cette catégorie sont les suivantes:
 Partitionnement en régions régulières ou irrégulières
 Profils et projections
 Les distances et les passages
+ La structure: Les caractéristiques sont extraites de façon que chaque valeur

contienne des informations sur la structure de l'image telles que le ratio, le nombre de
traits, le nombre de points croisés,…
+ Les transformations globales et les moments: La transformation de Fourier du
contour de l'image est extraite pour reconstruire le contour de l’image. Les moments sont
utilisés pour reconnaître l’ampleur, la traduction, l’invariante et la rotation d'une image
de caractère. La structure originale de l'image peut être reconstruite à partir des
coefficients de moment.
Dans ce mémoire, la combinaison de toutes ces catégories est utilisée. Ce chapitre
sera consacré à la représentation de ces méthodes d’extraction des caractéristiques, ce que
nous avons étudié dans ce mémoire.

- 24 -


Rapport de Mémoire

3.2

ZONE
L’information de zone est une caractéristique globale qui peut être potentiellement

utile. Le Ymax, Ymin, Xmax, Xmin est utilisé pour définir la frontière du caractère. Puis
le caractère va être séparé en pxq zones de même taille Z = {z1, z2, … zk}. La valeur de k
(k = pxq) dépend du nombre de zones impliquées dans la stratégie de zonage. Les zones
correspondant à chaque stratégie de zonage sont spécifiées comme ((x1, x2), (y1, y2)), où
l’intervalle (x1, x2) représente l’extension horizontale et (y1, y2) indique l’étendue
verticale de la région rectangulaire qui définit chaque zone. Pour chaque zone, nous
calculons la valeur des points dans cette zone, le résultat obtenu sera utilisé comme un
élément du vecteur de caractéristique. Donc le vecteur de caractéristique est de taille k : f
= [fz1, fz2,.. fzk].

La performance de classification est étudiée pour différentes stratégies de zonage.
Les trois stratégies de zonage considérées sont illustrées par la figure 3.1.

(a)

(b)

(c)

Figure 3.1 Les stratégies pour le zonage :
(a) 6 zones ; (b) 9 zones ; (c) 8x8 zones

Par exemple, pour le zonage de 6 comme la figure 3.2, on obtient un vecteur de
caractéristique de taille 6 : f = [z1, z2, z3, z4, z5, z6] = [5, 5, 10, 10, 5, 4].

- 25 -