Offline Handwritten Arabic Word Recognition Using HMM - a Character Based Approach without Explicit Segmentation

This paper presents the IfN’s Offline Handwritten Arabic Word Recognition System. The system uses Hidden Markov Models (HMM) for word recognition, and is based on character recognition without explicit segmentation. The first part of this paper deals with databases for word recognition systems, and in particular, the IFN/ENIT database. The second part gives a short description of the pre-processing, normalisation, and feature extraction methods needed for this system. The final part gives a practical approach to the HMM-Recogniser used in our system and some results are presented. Index Terms : Offline Handwritten Recognition, Arabic Word Recognition, Segmentation, Hidden Markov Models, Competition, Database. Résumé : Cet article présente le système de reconnaissance des mots manuscrits arabes développé au sein du Laboratoire IfN. Le système utilise les techniques des Modèles Cachés de Markov (MMC ou Hidden Markov Model HMM) pour la reconnaissance des textes, et est basé sur la reconnaissance de caractères sans segmentation explicite. La première partie de cet article traite l’importance des bases de données pour les systèmes de reconnaissances. La deuxième partie contient une courte description du prétraitement, de la normalisation, et des méthodes d’extraction des caractéristiques images requises pour ce système. La partie principale présente une approche pratique du HMM utilisé dans notre système. Mots-clés : Reconnaissance off-line des mots manuscrits, Manuscrits arabes, Segmentation, Modèles Cachés de Markov, Competition, Bases de données.