Reconnaissance hors-ligne de l'écriture cursive par l'utilisation de modèles perceptifs et neuronaux

Cette these porte sur l'application de modeles perceptifs et neuronaux au probleme de la reconnaissance hors-ligne de l'ecriture cursive. Dans un premier temps, nous abordons le probleme de l'extraction de caracteristiques par l'utilisation d'une technique robuste de detection de droites. Puis, nous appliquons cette methode au probleme de la reconnaissance de caracteres cursifs segmentes. Nous utilisons ensuite cette methode pour la reconnaissance holistique de mots cursifs ainsi qu'a la reconnaissance de leurs premieres et dernieres lettres. Nous nous interessons enfin a la mise au point d'un modele perceptif pour la reconnaissance de mots cursifs. Notre methode d'extraction de caracteristiques est capable de capturer une grande partie de l'information contenue dans la partie singuliere du mot cursif (ascendants, descendants et boucles) et presente une tres bonne tolerance au bruit et aux deconnexions du trace. Le modele d'activation interactif est capable de modeliser l'acces lexical, l'effet de superiorite du mot et l'effet de frequence. L'effet de superiorite du mot peut d'ailleurs etre en partie attribue a la regularite des chaines de lettres. Nous avons propose l'utilisation d'une etape de pre-reconnaissance de chaines de lettres et une etape de reconnaissance de mots basee sur un processus d'activation interactif afin de prendre en compte ces effets. La reconnaissance etant contrainte par les extremites du mot, les lettres externes sont de ce fait mieux reconnues que les lettres internes. Ainsi, nous pouvons simuler un processus de reconnaissance allant de l'exterieur vers l'interieur du mot nous avons valide nos methodes pour une tâche de reconnaissance de caracteres cursifs segmentes et une tâche de reconnaissance de mots cursifs isoles pour lesquelles nous avons obtenu des resultats interessants.