les Thèses Soutenues à l'USTO MB
vous cherchez une thèse?
A partir de cette page vous pouvez :
Retourner au premier écran avec les dernières notices... | Votre compte |
Détail de l'auteur
Auteur BAHRAM Tayeb
Documents disponibles écrits par cet auteur
Faire une suggestion Affiner la rechercheIdentification et Vérification de Scripteurs Basées sur une Combinaison de Multiples Caractéristiques de l’Ecriture Manuscrite Hors-ligne. / BAHRAM Tayeb
Titre : Identification et Vérification de Scripteurs Basées sur une Combinaison de Multiples Caractéristiques de l’Ecriture Manuscrite Hors-ligne. Type de document : texte imprimé Auteurs : BAHRAM Tayeb, Auteur ; BENYETTOU Abdelkader, Directeur de thèse Année de publication : 2017 Importance : 92 p. Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Reconnaissance des Formes - Intelligence Artificielle Mots-clés : Identification du scripteur, V´erification du scripteur, Extraction de caract´eristiques, Combinaison de caract´eristiques, Texture de composante connexe.
Writer identification, Writer verification, Feature extraction, Feature fusion, Texture of connected component.Résumé : Les travaux présentés dans ce manuscrit abordent le probléme de l’identification et de la vérification de scripteurs à partir de leur écriture manuscrite hors-ligne. Ces travaux proposent un systéme de deux tˆaches compl´ementaires ind´ependantes du texte qui ont contribu´e `a am´eliorer les performances. La phase d’extraction de caract´eristiques est une ´etape tr`es importante pour un syst`eme de reconnaissance de scripteurs. L’ob- jectif de cette ´etape est la s´election des informations les plus pertinentes pour la tache de classification donn´ee. Dans cette th`ese les ´echantillons d’´ecritures manuscrites sont repr´esent´es par des attributs comme l’orientation, la courbure, l’´epaisseur des traits et la taille de l’´ecriture. Dans un premier temps nous avons d´evelopp´e un syst`eme d’iden- tification et de v´erification de scripteurs en validant un ensemble de caract´eristiques qui permet une caract´erisation des ´echantillons d’´ecriture de grande et faible taille. La classification est r´ealis´ee en utilisant les k plus proches voisins (k-NN), la distance de Chi-Square (χ2) et la distance de Manhattan (Mh ). La m´ethode propos´ee a ´et´e ´evalu´ee en utilisant deux bases de documents de 657 et 350 scripteurs ou` des r´esultats int´eressants ont ´et´e enregistr´es. Afin d’am´eliorer les performances du syst`eme, une id´ee int´eressante consiste a` combiner les caract´eristiques. Cette combinaison est habituellement ex´ecut´ee interactivement par un utilisateur humain (combinaison manuelle). Pour automatiser la combinaison, nous avons propos´e un algorithme, mieux adapt´e a` l’identification et la v´erification automatique de scripteurs. Les r´esultats exp´erimentaux obtenus sont nette- ment sup´erieures pour les diff´erents jeux de combinaisons que pour les caract´eristiques individuelles, ceci pour les deux bases.
The work presented in this manuscript deals with the problem of off-line writer iden- tification and verification from their handwriting. These work propose two approaches of the writer identification and verification which have helped improve performances. Features extraction is an important step in achieving good performance of writer recog- nition systems. The purpose of this step is the selection of the most relevant information for a given classification task. In this thesis, the samples of handwriting are represented by writing attributes like orientation, curvature, ink-trace, and size of letters. Initially, we have developed a writer identification and verification system by validating a set of individual features which a characterization of large or small samples of writings. Classification is carried out using k-Nearest Neighbors (k-NN), Chi-Square (χ2) and Manhattan (Mh ) distances. The experimental results obtained on two datasets of 657 and 350 writers show that the proposed scheme achieves interesting performances. In order to enhance the performance of our writer identification and verification system, we have combined the features. The existing work in the related domain still rely manual techniques that are subjective (non-automatic). The present work proposes for feature fusion an algorithm which could be directly applied for identification (verification) of writers from handwritten samples. The experimental results obtained on two datasets, the combined performance exceeds the performances of all individual features involved in the combinationIdentification et Vérification de Scripteurs Basées sur une Combinaison de Multiples Caractéristiques de l’Ecriture Manuscrite Hors-ligne. [texte imprimé] / BAHRAM Tayeb, Auteur ; BENYETTOU Abdelkader, Directeur de thèse . - 2017 . - 92 p. + CD.
Langues : Français (fre)
Catégories : Informatique:Reconnaissance des Formes - Intelligence Artificielle Mots-clés : Identification du scripteur, V´erification du scripteur, Extraction de caract´eristiques, Combinaison de caract´eristiques, Texture de composante connexe.
Writer identification, Writer verification, Feature extraction, Feature fusion, Texture of connected component.Résumé : Les travaux présentés dans ce manuscrit abordent le probléme de l’identification et de la vérification de scripteurs à partir de leur écriture manuscrite hors-ligne. Ces travaux proposent un systéme de deux tˆaches compl´ementaires ind´ependantes du texte qui ont contribu´e `a am´eliorer les performances. La phase d’extraction de caract´eristiques est une ´etape tr`es importante pour un syst`eme de reconnaissance de scripteurs. L’ob- jectif de cette ´etape est la s´election des informations les plus pertinentes pour la tache de classification donn´ee. Dans cette th`ese les ´echantillons d’´ecritures manuscrites sont repr´esent´es par des attributs comme l’orientation, la courbure, l’´epaisseur des traits et la taille de l’´ecriture. Dans un premier temps nous avons d´evelopp´e un syst`eme d’iden- tification et de v´erification de scripteurs en validant un ensemble de caract´eristiques qui permet une caract´erisation des ´echantillons d’´ecriture de grande et faible taille. La classification est r´ealis´ee en utilisant les k plus proches voisins (k-NN), la distance de Chi-Square (χ2) et la distance de Manhattan (Mh ). La m´ethode propos´ee a ´et´e ´evalu´ee en utilisant deux bases de documents de 657 et 350 scripteurs ou` des r´esultats int´eressants ont ´et´e enregistr´es. Afin d’am´eliorer les performances du syst`eme, une id´ee int´eressante consiste a` combiner les caract´eristiques. Cette combinaison est habituellement ex´ecut´ee interactivement par un utilisateur humain (combinaison manuelle). Pour automatiser la combinaison, nous avons propos´e un algorithme, mieux adapt´e a` l’identification et la v´erification automatique de scripteurs. Les r´esultats exp´erimentaux obtenus sont nette- ment sup´erieures pour les diff´erents jeux de combinaisons que pour les caract´eristiques individuelles, ceci pour les deux bases.
The work presented in this manuscript deals with the problem of off-line writer iden- tification and verification from their handwriting. These work propose two approaches of the writer identification and verification which have helped improve performances. Features extraction is an important step in achieving good performance of writer recog- nition systems. The purpose of this step is the selection of the most relevant information for a given classification task. In this thesis, the samples of handwriting are represented by writing attributes like orientation, curvature, ink-trace, and size of letters. Initially, we have developed a writer identification and verification system by validating a set of individual features which a characterization of large or small samples of writings. Classification is carried out using k-Nearest Neighbors (k-NN), Chi-Square (χ2) and Manhattan (Mh ) distances. The experimental results obtained on two datasets of 657 and 350 writers show that the proposed scheme achieves interesting performances. In order to enhance the performance of our writer identification and verification system, we have combined the features. The existing work in the related domain still rely manual techniques that are subjective (non-automatic). The present work proposes for feature fusion an algorithm which could be directly applied for identification (verification) of writers from handwritten samples. The experimental results obtained on two datasets, the combined performance exceeds the performances of all individual features involved in the combinationExemplaires
Code-barres Cote Support Localisation Section Disponibilité 4584 02-08-424 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-08-424.pdfAdobe Acrobat PDF
BUC USTOMB'Thèses
Service Thèse de la BUC met à votre votre disposition L'ensemble des thèses de doctorat et mémoires de magister soutenues à l'USTO MB
Adresse
BUC USTOMB'ThèsesBibliothèque centrale USTOMB
BP 1505 EL M'Naouer USTO ORAN
Algérie
(213)041627180
contact