Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-14T17:09:02Z No. of bitstreams: 1 JOSÉ JOSEMAR DE OLIVEIRA JÚNIOR - TESE PPGEE 2006..pdf: 1171314 bytes, checksum: 0928567e064b5758d1d9df30928e1575 (MD5) / Made available in DSpace on 2018-08-14T17:09:02Z (GMT). No. of bitstreams: 1 JOSÉ JOSEMAR DE OLIVEIRA JÚNIOR - TESE PPGEE 2006..pdf: 1171314 bytes, checksum: 0928567e064b5758d1d9df30928e1575 (MD5) Previous issue date: 2006-10-30 / Capes / Este trabalho propõe uma metodologia de reconhecimento de palavras manuscritas usando diferentes arquiteturas que são inspiradas nas conclusões obtidas em relação aos mecanismos perceptivos e o processo de leitura humano. Como estudo de caso, a abordagem é aplicada ao problema do reconhecimento de palavras manuscritas que representam os meses do ano. Este problema é relevante pois ocorre com frequência no processamento de cheques bancários, dentre outras aplicações. O sistema de análise multi-vistas proposto é formado pelas seguintes arquiteturas: pseudo-segmentação de radical, pseudo-segmentação fixa e pseudo-segmentação variável. Cada arquitetura é formada por um módulo de extração de primitivas, inspirado em modelos perceptivos e específico para o tipo de segmentação utilizado e por um classificador apropriado. Os testes foram realizados com uma base de palavras construída especificamente para este fim, também descrita neste trabalho. / This work presente a multiple classifier system applied to the handwritten word recognition (HWR) probiem. The goal is to investigate the use of perceptual models in the development of recognition systems. The handwritten words are analyzed considering different approximation leveis, in order to get a computational approach of the reading human process. The application proposed is the recognition of the Portuguese handwritten names of the months. The considered system is formed by the following architectures: 2 fixed sub-regions, 8 fixed sub-regions and N variable sub-regions. Each architecture is formed by a module of features extraction, based on perceptual models and specific for each type of segmentation, and an appropriate classifier. The experimental teste have performed on a database specifically built for this probiem, also described in this work.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-14T17:31:43Z No. of bitstreams: 1 LUCIANA RIBEIRO VELOSO - TESE PPGEE 2009..pdf: 1635341 bytes, checksum: 2d73699d44711c0cc83e60f235f32c94 (MD5) / Made available in DSpace on 2018-08-14T17:31:43Z (GMT). No. of bitstreams: 1 LUCIANA RIBEIRO VELOSO - TESE PPGEE 2009..pdf: 1635341 bytes, checksum: 2d73699d44711c0cc83e60f235f32c94 (MD5) Previous issue date: 2009-03 / Este trabalho apresenta um sistema de reconhecimento de palavras manuscritas isoladas dependente do escritor. Este sistema caracteriza-se por utilizar uma etapa de pré-processamento, que visa corrigir imperfeições e normalizar variações na imagem da palavra manuscrita, uma etapa de segmentação explícita, que visa dividir a palavra em caracteres ou segmentos de caracteres, uma etapa de extração de características, que tem por finalidade representar a imagem por três vetores de características (perceptivas, globais e direcionais) e um módulo de quantização vetorial, que tem o objetivo de realizar o mapeamento de um vetor de características em um vetor de observação (ou vetor de símbolos). Os símbolos correspondem aos índices (dos vetores-código) gerados na representação (quantização vetorial) da sequência de características com o uso dos dicionários. Finalizando, tem-se a etapa de classificação realizada por Modelos Escondidos de Markov, na qual os caracteres são reconhecidos individualmente e combinados para formar a palavra. Testes experimentais foram realizados com uma base de dados construída especificamente para este fim, contendo amostras de manuscritos de4escritoresdistintos. Osistemadereconhecimentodepalavrasmanuscritasisoladas dependente do escritor obteve taxas de reconhecimento que variaram entre 83,31% a 92,96% dependendo do escritor analisado. Os resultados apresentados mostram que o sistema apresenta um ótimo desempenho quando utilizado para reconhecer palavras através dos modelos de caracteres. / This work presents a writer-dependent system for isolated handwritten cursive word recognition. This system is characterized by the utilization of a pre-processing state, which corrects imperfections and normalizes variations in the word image, an explicit segmentation stage, which splits the word into characters or character segments, a feature extraction stage, which represents the image by three feature vectors (perceptive, global and directional features), and a vector quantization module, which performs the mapping of a feature vector into an observation vector (or symbols vector). The symbols correspond to indices (the code vectors) generated by the representation (vector quantization) of the feature sequences with the use of dictionaries. Finally, there is the classification stage, performed by Hidden Markov Models, where characters are individually recognized and combined to form a valid word. Experimental tests were conducted with a database specifically built for this problem, containing samples of manuscripts from 4 different writers. The writer-dependent system for isolated handwritten cursive word recognition was recognition rate between 83.31% and 92.96% depending writer analyzed. The results show that the system offers optimum performance when used word recognize by the characters models.