Skip to Main content Skip to Navigation
Theses

Sparse representations over learned dictionary for document analysis

Résumé : Dans cette thèse, nous nous concentrons sur comment les représentations parcimonieuses peuvent aider à augmenter les performances pour réduire le bruit, extraire des régions de texte, reconnaissance des formes et localiser des symboles dans des documents graphiques. Pour ce faire, tout d'abord, nous donnons une synthèse des représentations parcimonieuses et ses applications en traitement d'images. Ensuite, nous présentons notre motivation pour l'utilisation de dictionnaires d'apprentissage avec des algorithmes efficaces pour les construire. Après avoir décrit l'idée générale des représentations parcimonieuses et du dictionnaire d'apprentissage, nous présentons nos contributions dans le domaine de la reconnaissance de symboles et du traitement des documents en les comparants aux travaux de l'état de l'art. Ces contributions s'emploient à répondre aux questions suivantes: La première question est comment nous pouvons supprimer le bruit des images où il n'existe aucune hypothèse sur le modèle de bruit sous-jacent à ces images ? La deuxième question est comment les représentations parcimonieuses sur le dictionnaire d'apprentissage peuvent être adaptées pour séparer le texte du graphique dans des documents? La troisième question est comment nous pouvons appliquer la représentation parcimonieuse à reconnaissance de symboles? Nous complétons cette thèse en proposant une approche de localisation de symboles dans les documents graphiques qui utilise les représentations parcimonieuses pour coder un vocabulaire visuel
Document type :
Theses
Complete list of metadatas

https://hal.univ-lorraine.fr/tel-01750679
Contributor : Thèses Ul <>
Submitted on : Thursday, March 29, 2018 - 12:52:23 PM
Last modification on : Tuesday, April 24, 2018 - 1:30:08 PM

File

DDOC_T_2014_0021_DO.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : tel-01750679, version 1

Collections

Citation

Thanh Ha Do. Sparse representations over learned dictionary for document analysis. Other [cs.OH]. Université de Lorraine, 2014. English. ⟨NNT : 2014LORR0021⟩. ⟨tel-01750679⟩

Share

Metrics

Record views

81

Files downloads

43