手書き文字画像の分類技術はノイズに影響を受けやすいです。クワッドツリーは疎な特徴から学習するための効率的な表現方法となる可能性があります。本論文では、ピクセルレベルの分類器を使用して文字ピクセルを抽出し、手書き文字画像からノイズを除去することで、確率的クワッドツリーの有効性を向上させます。ピクセルレベルのノイズ除去器（深層信念ネットワーク）は、事前学習されたCNNから得られたマップ応答を特徴として使用し、ノイズを排除しながら文字を再構築します。我々は実験を通じて、手書きベンガル数字と基本文字データセットのノイジー版を再構築および分類することにより、当方針の有効性を示しています。