Extraction et classification d'attributs pour la reconnaissance et la recherche d’images par le contenu
Institution:
Evry-Val d'EssonneDisciplines:
Directors:
Abstract EN:
The growing use of image processing applications in various sectors as data processing, medicine or biometrics implies many images DataBases manegement strategies. It is then useful to several regards to compare them to find desired images in considered images DataBase. That requires the development of automatic mining methods like content based images recognition and search. However, much from images suffer from a certain features poverty or imply a complex description and then a difficult images comparison. Moreover, it is necessary to add increasingly pointed requirements of the user in term of search effectiveness and computing time. In this work, we propose a thorough study of the images features extraction and classification methods. That allowed us to develop a method based on a combination of various features types making it possible to describe specific and heterogeneous images DataBases. We propose also a method called modular statistical optimization based on an iterative, gradual and reasoned use of the extracted features, until obtaining the desired result. In the second time, a method based on an unsupervised classification tool “co-clustering” which allows obtaining larger optimization applicability is presented. The obtained results show a faster algorithmic execution what is in conformity with the field requirements.
Abstract FR:
L’essor du traitement de l’image et son implication dans divers secteurs aussi différents que l’informatique, la médecine ou la biométrie ont donné naissance à de nombreuses stratégies de gestion de bases d’images. Il est alors utile à plusieurs égards de les comparer pour retrouver les désirées images dans la base d’images considérée. Cela nécessite le développement de méthodes d’exploitation automatiques comme la reconnaissance et la recherche d’images par le contenu à partir d’une requête. Cependant, beaucoup d’images souffrent d’une certaine pauvreté de leurs attributs, et parfois d’une complexité qui rend leur description et comparaison difficile. A cela, il faut rajouter des exigences de plus en plus pointues de la part de l’utilisateur en terme d’efficacité de recherche et de rapidité de traitement. Dans ce travail, nous proposons une étude approfondie des méthodes d’extraction et de classification d’attributs image. Cette dernière nous a mené à développer une méthode basée sur une combinaison de différents types d’attributs permettant de décrire au mieux aussi bien des images spécifiques à un domaine défini que des images hétérogènes. Nous proposons aussi une méthode d'optimisation statistique modulaire basée sur une utilisation itérative, graduelle et raisonnée des attributs extraits, jusqu’à obtention du résultat souhaité. En suite, une méthode basée sur un outil de classification non supervisée «la co-classification» permettant l’obtention d’un champs d’optimisation plus élargi est présentée. Les résultats obtenus montrent la conformité de ses méthodes avec les exigences en terme de précision et de temps de calcul.