Résumé

Dans cet article, nous présentons un système de segmentation des zones de texte imprimées ou manuscrites dans des documents complexes. La méthode réalise une première classification des composantes connexes en tant que texte/non-texte, puis un deuxième étage discrimine les composantes manuscrites des composantes imprimées. Les composantes de texte sont ensuite regroupées en blocs homogènes à l’aide d’un algorithme basé sur la détection des rectangles blancs. Nous présentons les résultats obtenus par le système lors de la première campagne MAURDOR.

Abstract

This paper presents a Document Image Analysis (DIA) system able to extract homo- geneous typed and handwritten text regions from complex layout documents of various types. The method is based on two connected component classification stages that successively dis- criminate text/non text and typed/handwritten shapes, followed by an original block segmenta- tion method based on white rectangles detection. We present the results obtained by the system during the first competition round of the MAURDOR campaign.