Modelo oculto de Markov de duração variável e segmentação morfológica para reconhecimento de palavras manuscritas

Este artigo descreve um sistema completo para o reconhecimento de palavras manuscritas não restritas usando um modelo oculto de Markov de duração variável com densidade contínua (CD-VDHMM). Primeiro, um novo algoritmo de segmentação baseado em morfologia matemática é desenvolvido para traduzir a imagem 2-D em uma sequência 1-D de símbolos subcaracteres. Esta sequência de símbolos é modelada pelo CD-VDHMM. Trinta e cinco características são selecionadas para representar os símbolos de caracteres no espaço de características. Geralmente, existem duas fontes de informação associadas ao texto escrito; a informação de forma e o conhecimento linguístico. Enquanto a informação de forma de cada símbolo de caractere é modelada como uma distribuição Gaussiana mista, o conhecimento linguístico, ou seja, a restrição, é modelado como uma cadeia de Markov. O estado de duração variável é usado para lidar com a ambiguidade da segmentação entre os caracteres consecutivos. Um algoritmo de Viterbi modificado, que fornece l caminhos globalmente melhores, é adaptado ao VDHMM incorporando as probabilidades de duração para a sequência de estados de duração variável. O método geral de edição de strings é usado na fase de pós-processamento. Experimentos detalhados são realizados para duas aplicações postais; e resultados de reconhecimento bem-sucedidos são relatados.