Séparation recto/verso d'un document par modélisation markovienne à double couche
Résumé
Nous proposons un modèle markovien à deux couches pour la séparation des deux faces d'un document, dont une seule face a été numérisé. A l'aide de deux champs de Markov séparés, un pour chaque face, chaque pixel est modélisé par deux variables cachées connectées par une unique variable observée. L'avantage de cette formulation est une meilleure adaptation au processus ayant créé l'image observée (la superposition de deux pages indépendantes) ainsi que l'amélioration de la restauration, ç.à.d. de l'estimation des pixels recto, par une estimation des pixels verso couverts par ce derniers. L'inférence des variables cachées est réalisée par un algorithme itératif à base de coupure minimale dans un graphe étendant l'algorithme d'éxpansion alpha. Les résultats sont évalués à la fois de façon empirique ainsi que par l'amélioration d'un résultat de reconnaissance OCR.