Abstract FR:

Dans le domaine de l'indexation et la recherche d'images fixes, la quasi totalité des systèmes développés se basent sur une modélisation limitée aux aspects signal bas-niveau des images, i. E. Sans considération explicite de leur contenu sémantique. Selon ces approches, un coucher de soleil, par exemple, est dénoté par un cercle orange, mais pas par le terme "coucher de soleil". Les solutions de type signal ont le mérite d'être automatisables, et donc facilement utilisables sur de grandes quantités de données, mais elles ne comblent en aucun cas le gouffre existant entre le signal et la caractérisation sémantique, ce qui pénalise les performances qualitatives en terme de précision, et donc de satisfaction de l'utilisateur. Une autre classe d'approches, qui a été en particulier testée dans le cadre du projet FERMI-GC, consiste à modéliser le contenu des images de manière très précise par l'intermédiaire d'une indexation assistée. Cette approche, fondée sur un modèle de représentation élaboré (le formalisme des graphes conceptuels), fournit des résultats satisfaisants au cours du processus de recherche d'images mais est difficilement utilisable sur de grandes collections d'images en raison de l'intervention humaine nécessaire pour l'indexation. L'objectif du travail décrit dans cette thèse consiste à rapprocher ces deux classes de modèles d'indexation et de recherche d'images en étudiant en détailles implications théoriques et empiriques de l'intégration d'éléments venant du signal (couleur, texture et éléments spatiaux) dans un modèle multi facettes associant les descriptions signal et sémantique et fondé sur une représentation à base de graphes conceptuels.