Back to Search
Start Over
Un modèle de champ aléatoire conditionnel 2D appliqué à la segmentation d'images de documents
- Source :
- Actes du 16e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle, RFIA 2008, 16e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle, RFIA 2008, 16e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle, RFIA 2008, Jan 2008, Amiens, France. pp: 304-312
- Publication Year :
- 2008
- Publisher :
- HAL CCSD, 2008.
-
Abstract
- National audience; Nous nous intéressons dans ces travaux à l'analyse d'images par le biais de techniques Markoviennes discriminantes: les champs aléatoires conditionnels. Nous présentons une implémentation 2D de ces modèles principalement utilisés jusqu'à présent pour l'analyse de données monodimensionnelles. L'implémentation que nous proposons est basée sur une approche de type combinaison de classifieurs discriminants. Nous illustrons et comparons les capacités de cette approche par rapport aux modèles de Champs de Markov Cachés au travers d'un exemple d'application à l'analyse de la structure de documents complexes et dégradés.
- Subjects :
- analyse d'images
[INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing
[INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing
analyse de structures
segmentation
analyse d'images de documents
modèles markoviens
[SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
[SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
champs conditionnels
Subjects
Details
- Language :
- French
- Database :
- OpenAIRE
- Journal :
- Actes du 16e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle, RFIA 2008, 16e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle, RFIA 2008, 16e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle, RFIA 2008, Jan 2008, Amiens, France. pp: 304-312
- Accession number :
- edsair.dedup.wf.001..a00574f665d49e3391eb89057549cd8c