Reconocimiento de formas manuscritas con modelos ocultos de Markov

• Autores: Carlos Manuel Travieso González
• Directores de la Tesis: Miguel Ángel Ferrer Ballester (dir. tes.)
• Lectura: En la Universidad de Las Palmas de Gran Canaria ( España ) en 2002
• Idioma: español
• ISBN: 978-84-691-7080-9
• Tribunal Calificador de la Tesis: Rafael Pérez-Jiménez (presid.), Alonso González Itiziar Goretti (secret.), Antoni Gasull Llampallas (voc.), Fernando Díaz de María (voc.), Fernando Martín Rodríguez (voc.)
• Materias:
  • Física
    • Óptica
  • Ciencias tecnológicas
    • Tecnología de las telecomunicaciones
• Enlaces
  • Tesis en acceso abierto en: acceda
• Resumen

  • El principal objetivo de esta tesis es demostrar que mediante los modelos ocultos de Markov se pude modelar patrones con la información secuencial que existe en las aplicaciones manuscritas para el reconocimiento de las mismas. Para ello, se han creado cuatro bases de datos para comprobar esta teoría, en particular se han creado de dígitos, letras minúsculas y mayúsculas, palabras y firmas, en las que han intervenido un total de 310 escritores obteniendo 83580 muestras. Estas muestras han sido adquiridas mediante un sistema off-line, es decir, después de haber sido escritas se han escaneado y preprocesado para la eliminar el posible rudio, binarizar las imágenes, y normalizar su tamaño. La clasificación de estos patrones se quiere realizar con los modelos ocultos de Markov (HMM), ya que se pretende analizar la información existente en la secuencia temporal de las muestras, siendo éste, un buen clasificador de secuencias. Por eso, la extracción de parámetros se ha basado en el contorno o envolvente, siguiendo el trazado de este mediante diferentes tipo de técnicas para detectar cual de ellas produce los parámetros más discriminantes. Finalmente, sólo hay que ajustar el clasificador para estos parámetros y obtener la tasa de reconocimiento correspondiente. La ventaja que ofrece es el uso de la misma técnica para todas las aplicaciones manuscritas, que hasta llegar a ser extrapolable a otro pico de técnicas con información secuencial. Comparando los resultados obtenidos con la literatura actual, se puede concluir que, cuando más complicada es la aplicación manuscrita (firmas) mejor discrimina, incluso superando a los resultados encontrados. Y para aplicaciones más sencillas (dígitos) esta tasa es ligeramente inferior, aunque bastante significativa.