Etude des documents imprimés : approche statistique et contribution méthodologique

Cette thèse s\u27attache à l\u27étude de la structuration des documents dits à ``typographie riche et récurrente\u27\u27. Nous avons principalement travaillé sur des images de documents correspondant à des extraits d\u27inventaires-sommaires des Archives Départementales de Charente-Maritime et de Savoie. Nous avons proposé un procédé de segmentation qui permet d\u27inférer la structure physique de ces pages. Nous avons aussi développé une approche basée sur les modèles de Markov cachés pour la reconnaissance de la structure logique. En parallèle de ces avancées applicatives, nous avons mené deux réflexions plus fondamentales. La première a porté sur l\u27étude des caractéristiques utilisées pour la description des régions d\u27intérêt (entités physiques) des images de documents. La seconde a été consacrée à la mise au point d\u27une méthode de classification reposant sur un apprentissage sélectif. Parmi les nombreuses applications de cet algorithme, c\u27est l\u27opportunité d\u27effectuer une reconnaissance de caractères qui a motivé son développement