Les techniques de classification d'images de caractères manuscrits sont sensibles au bruit. Les quadtree peuvent constituer une représentation efficace pour l'apprentissage à partir de caractéristiques éparses. Dans cet article, nous améliorons l'efficacité des quadtree probabilistes en utilisant un classifieur au niveau des pixels pour extraire les pixels des caractères et éliminer le bruit des images de caractères manuscrits. Le débruiteur au niveau des pixels (un réseau de croyance profond) utilise les réponses cartographiques obtenues à partir d'un CNN pré-entraîné comme caractéristiques pour reconstruire les caractères en éliminant le bruit. Nous démontrons expérimentalement l'efficacité de notre approche en reconstruisant et classifiant une version bruitée des jeux de données de chiffres et de caractères basiques manuscrits en bengali.Note : - "Bangla" est traduit par "bengali", qui est le terme couramment utilisé en français pour désigner la langue bangla.- "Basic Character" est traduit par "caractères basiques" pour maintenir la clarté et la formalité du texte.