Browsing by Author "Chergui, Leila"

Now showing 1 - 7 of 7
  • No Thumbnail Available
    Item
    A novel fuzzy approach for handwritten arabic character recognition
    (Springer, 2015) Kef, Maamar; Chergui, Leila; Chikhi, Salim
    The aim of our work is to present a new method based on structural characteristics and a fuzzy classifier for off-line recognition of handwritten Arabic characters in all their forms (beginning, end, middle and isolated). The proposed method can be integrated in any handwritten Arabic words recognition system based on an explicit segmentation process. First, three preprocessing operations are applied on character images: thinning, contour tracing and connected components detection. These operations extract structural characteristics used to divide the set of characters into five subsets. Next, features are extracted using invariant pseudo-Zernike moments. Classification was done using the Fuzzy ARTMAP neural network, which is very fast in training and supports incremental learning. Five Fuzzy ARTMAP neural networks were employed; each one is designed to recognize one subset of characters. The recognition process is achieved in two steps: in the first one, a clustering method affects characters to one of the five character subsets. In the second one, the pseudo-Zernike features are used by the appropriate Fuzzy ARTMAP classifier to identify the character. Training process and tests were performed on a set of character images manually extracted from the IFN/ENIT database. A height recognition rate was reported.
  • No Thumbnail Available
    Item
    A Serial combination of neural network for arabic OCR
    (Springer, 2014) Chergui, Leila; Kef, Maamar
    Today, handwriting recognition is one of the most challenging tasks and exciting areas of search in computer science. Indeed, despite the growing interest in this field, no satisfactory solution is available. For this reason Multiple Classifier Systems (MCS) based on the combination of outputs of a set of different classifiers have been proposed as a method for the developing of high performance classifier system. In this paper we describe a serial combination scheme of an Arabic Optical Character Recognition System. The classification engine is based on Adaptive Resonance Theory and Radial Basic Function, where an RBF network acting as the first classifier is properly combined with a set of ART1 network (one for each group) trained to classify the word image. The experiments applied on the IFN/ENIT database show that the proposed architecture exhibits best performance
  • No Thumbnail Available
    Item
    Combining neural networks for arabic handwriting recognition
    (IEEE, 2011) Chergui, Leila; Kef, Maâmar; Chikhi, Salim
    Combining classifiers is an approach that has been shown to be useful on numerous occasions when striving for further improvement over the performance of individual classifiers. In this paper we present an off-line Multiple Classifier System (MCS) for Arabic handwriting recognition. The MCS combine two individual recognition systems based on Fuzzy ART network used for the first time in Arabic OCR, and Radial Basis Functions. We use various feature sets based on Hu and Zernike Invariant moments. For deriving the final decision, different combining schemes are applied. The best combination ensemble has a recognition rate of 90,1 %, which is significantly higher than the 84,31% achieved by the best individual classifier. To demonstrate the high performance of the classification system, the results are compared with three research using IFN/ENIT database.
  • No Thumbnail Available
    Item
    New hybrid arabic handwriting recognizer
    (IEEE, 2012) Chergui, Leila; Kef, Maâmar; Chikhi, Salim
    Recently, there is a popular belief that classifier combination of different architecture could complement each other for improving results performance. In this paper we introduce a framework to combine results of multiple classifiers for offline Arabic handwriting recognition, by introducing a new scheme of combination of Multi Layer Perceptron and ART1 networks. Besides using two different recognition architectures (MLP and ART1 networks), we exploit various feature sets calculated from the contour of image; the Hu moments and features obtained with sliding windows. The implementation results on IFN/ENIT database show a high degree of accuracy by applying the majority vote method.
  • No Thumbnail Available
    Item
    Reconnaissance d'empreintes digitales en utilisant les moments de hu
    (Université Oum El Bouaghi, 2015) Boumaza, Rima; Beddiaf, Houda; Chergui, Leila
    Les moments de Hu sont des descripteurs qui ont montré leur efficacité dans plusieurs domaines. Dans ce travail on a essayé de tirer profit de leur invariance à la translation, rotation et changement d'échelle dans le domaine de la reconnaissance d'empreintes digitales. Notre système de reconnaissance d'empreintes digitales se compose de cinq modules : acquisition (par encre et par lecteur optique), prétraitement (mise en niveaux de gris, normalisation, binarisation et squelettisation), extraction des caractéristiques (les moments de Hu), comparaison (avec les distances : Euclidienne, Euclidienne pondérée, Tchebychev, Manhattan et les classifieurs KPPV et SVM) et la décision. Les résultats obtenus montrent que les moments de Hu ne sont pas suffisants comme descripteurs des empreintes digitales, ils peuvent donner des meilleurs résultats en combinaison avec d'autres descripteurs.
  • No Thumbnail Available
    Item
    Reconnaissance de caractères arabes manuscrits par réseau de hopfield
    (Université Oum El Bouaghi, 2013) Zerdani, Amina; Chergui, Leila
    Le présent travail porte sur une étude concernant le domaine de reconnaissance hors-ligne de caractères arabes manuscrits basé sur un nouveau classifier inspiré de réseau de neurones qui est le réseau de Hopfield. A cet effet, nous nous intéressons à construire notre propre base de caractères arabes manuscrits à l'aide des scripteurs pour l'évaluation des performances du système de reconnaissance de caractères arabes manuscrits conçu. Notre système inclut les étapes de : prétraitement comprenant les opérations de redressement, de normalisation ; d'une étape d'extraction de primitives en se servant de la méthode de zonage et finalement l'étape de reconnaissance est réalisée à travers l'utilisation du classifier Hopfield. Nos tests ont été effectués sur notre base déjà construite où nous avons obtenu un taux de reconnaissance intéressant.
  • No Thumbnail Available
    Item
    Reconnaissance des formes appliquées aux caractères arabes
    (Université d' Oum El Bouaghi, 2008) Chergui, Leila; Benmohammed, Mohammed
    La reconnaissance d'écriture arabe est spécialement celle des mots manuscrits n'a pas encore atteint la maturité nécessaire pour permettre d'établir des études comparatives et approfondies des travaux effectués dans le domaine. Ceci est dû au nombre restreint de travaux menés sur les mots arabes manuscrits comparés à ceux portant sur les caractères ou mots imprimés et au fait que la plupart des modèles proposés n'ont pas dépassé le stade de tests préliminaires à cause du manque de bases de validation communes. Il est donc nécessaire d'unifier les bases et les protocoles de validation des résultats entre les différentes équipes de recherche. Dans ce mémoire on a présenté un système de reconnaissance d'écriture arabe manuscrite hors-ligne utilisant un réseau Fuzzy ART comme classifieur. Nous avons commencé par introduire l'écriture arabe elle-même en s'attardant sur ses caractéristiques et difficultés ainsi que les approches de reconnaissance utilisées. Nous avons également présenté un historique des OCRs conçus pour l'écriture arabe. Aussi nous avons expliqué le principe des classifieurs utilisés dans les systèmes de reconnaissance de mots arabes tels que : les réseaux de neurones (PMCs et les réseaux Fuzzy ART), les SVMs, le classifieur bayésien, les HMMs et les k-ppvs. Ensuite nous avons vu en détaille les différentes composantes architecturales possibles d'un OCR, abordant principalement les phases : de prétraitement, de segmentation, d'extraction de primitives, de reconnaissance et de poste-traitement. Finalement nous avons présenté notre propre système de reconnaissance REMA qui est basé sur une approche globale ; où nous avons discuté des différentes phases de son implémentation en expliquant les outils et les algorithmes utilisés, ainsi que les tests et résultats enregistrés. Nous nous sommes principalement intéressés à la reconnaissance de l'écriture arabe manuscrite. La base IFN/ENIT a servi pour le développement et l'évaluation des travaux menés. Les résultats obtenus sont encourageants. Le taux d'erreur noté est principalement dû à la mauvaise écriture et aux problèmes de chevauchement des lettres dans les mots classés. L'étape de post-traitement n'a pas été abordée, et une possible combinaison entre deux ou plusieurs classifieurs est envisageable pour nos améliorations futures du système proposé