Indexation d'images par moments : accès par le contenu aux documents visuels
Institution:
Cachan, Ecole normale supérieureDisciplines:
Directors:
Abstract EN:
In our works, the goal was to investigate methods to define visual search keys, in order to characterize and use them in indexing and search process applied to big image database. We have to implement a fast and efficient partial indexing system. First we proposed a new interest point detector based on invariant scale and intensity Harris detector. By using this detector we obtained an efficient and repeatable salient points, Tbose points are characterized in the description step. Our shape descriptor is based on radial Chebyshev moment invariants, this descriptor is robust to geometric transformations. In order to make it more effective we used the color invariants. Afler indexing, the search step is very important, we first clustered the feature vectors by using the PDDP and KNN algorithms. Afler that we used the Gouet interest points matching algorithm, that has been efficient for big sets of points by using geometric constraints that are robust whatever the imag transformations are.
Abstract FR:
Notre objectif au cours de ce travail a été de réfléchir et mettre au point une méthode pour extraire les composantes visuelles de l'image, de les caractériser et de les retrouver après le processus d'indexation et de recherche dans les bases de données d'images. Nous commençons par mettre au point une méthode de détection de points d'intérêt invariante à l'échelle et au changement d'intensité de l'image. Ce détecteur fournit des points stables et répétables qui permettront une caractérisation locale de l'image. Les invariants radiaux des moments de Chebyshev permettent une description robuste aux transformations géométriques que peut subir l'image. Afin d'optimiser notre système de caractérisation nous avons utilisé l'espace des invariants couleur. Après l'étape d'indexation, nous procédons au regroupement de primitives visuelles en utilisant la méthode de classification PDDP et l'algorithme de recherche KNN. Pour plus de précision et de pertinence de notre système, nous avons utilisé l'algorithme d'appariement en prenant en compte des contraintes géométriques du voisinage du point pour la mise en correspondance des points d'intérêt.