RECHERCHE D’IMAGES A BASE DE CONTENU

Recherche d’images à base de contenu

De nos jours nous remarquons une croissance et un flot énorme de l’information dans le domaine de l’image numérique avec l’explosion d’internet et aussi le développement à grande échelle de la photographie numérique. Plusieurs techniques de recherche d’information alphanumérique sont développées et utilisées dans le domaine multimédia. L’objectif de ce chapitre est étudier un état de l’art sur les méthodes et les techniques d’indexation de recherche d’images par le contenu. Les techniques d’indexation et de recherche basée sur le contenu visent à extraire automatiquement des descripteurs et à les organiser dans des index multidimensionnels pour ensuite faciliter la recherche dans les grandes bases d’images. Ces techniques ont une complexité particulière liée à la nature des données manipulées. Le but de notre travail est de mettre en place les méthodes permettant la recherche d’image par leur contenu. Le mot contenu dans notre cas, signifier l’image avec ses caractéristiques symbolique (de bas niveau) et sémantique (haut niveau). N’importe qu’elle système CBIR (indexation et recherche d’image par le contenu) à pour objective de satisfaire la requête d’un utilisateur par la pertinence des résultats.

Histogramme

C’est une approche largement utilisée, elle est rapide, facile et robustes à la rotation et à la translation. L’histogramme consiste à calculer le nombre d’occurrences (fréquence) de chaque couleur sur l’ensemble du pixel de l’image. [7] Puisque le système de couleurs est composé de plusieurs canaux, son histogramme a plusieurs dimensions. Le grand problème d’histogrammes est que les histogrammes occupent une place importante en espace mémoire (grande de taille) et qu’ils sont calculés globalement pour toute l’image. Pour résoudre le problème d’espace mémoire, le système d’indexation calcule les caractéristiques de couleur dominantes telle que l’espérance, la variance et d’autres moments au lieu de calculer la distribution complète. [6] La méthode d’histogramme utilise la distribution complète de la couleur. On doit stocker de nombreuses données. Au lieu de calculer la distribution complète, dans le système de recherche d’images, on calcule seulement des caractéristiques dominantes de couleur tel que l’espérance, la variance… etc.

Texture

La texture est un ensemble de primitives statistiques visuelles arrangées selon des règles particulières de placement, elle permet de résoudre le problème posé lorsque les distributions de couleur sont très proches, Une méthode très connue est utiliser la matrice de co-occurrences [7]. D’autres méthodes existent pour analyser la texture. Elles sont basées sur le traitement du signal (ex : que le filtre de Gabor, tranles moments de hérmites, et aussi les méthodes de caractérisation de texture telle que modélisation markovienne qui peut modéliser les interactions entre pixels). Au même titre que la couleur, la texture est une caractéristique fondamentale des images car elle concerne un élément important de la vision humain. De nombreuses recherches ont été menées à la fois dans les domaines de l’analyse et de synthèse de texture. La texture est présentée comme une structure disposant de certaines propriétés spatiales homogènes et invariante par translation. La notion de texture est liée à trois concepts principaux :

– Un certain ordre local qui se répète dans une région de taille assez grande.

– Cet ordre est un arrangement structuré de ses constructions élémentaires.

– Ces constructions élémentaires représentent des entités uniformes qui se Caractérisent par des dimensions semblables dans toute la région considérée.

Conclusion générale

L’objectif de ce mémoire est d’étudier le domaine de la recherche d’images par le contenu. Ce domaine est très riche et exhibe une variance dans les techniques utilisées. Dans notre travail nous avons construit un prototype d’un système de recherche d’image par le contenu, en réalisant les deux facettes : indexation et recherche. Dans la première étape, nous avons utilisé la technique des histogrammes de couleurs en prenant en compte les trois canaux (R, G et B). Nous avons aussi implémenté une indexation à base de transformée de fourrier. Pour assurer plus d’invariance par rapport à la rotation, le changement d’échelle, et la translation. Dans la deuxième étape, nous avons réalisé la similarité en adoptant la formule cosinus, et en pondérant les deux aspects d’indexation. Comme perspectives, nous envisageons de réaliser les améliorations suivantes : •Implémenter les descripteurs de Gabor, pour localiser la représentation à base de fourrier •Implémenter des descripteurs à base de texture •Apprendre les pondérations w1, w2 par apprentissage •Evaluer le prototype sur d’autres bases.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport gratuit propose le téléchargement des modèles gratuits de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction générale
Contexte générale
Objectifs de l’étude
Le travaille effectué :
Organisation du mémoire
CHAPITRE II : RECHERCHE D’IMAGES A BASE DE CONTENU
II.1. Introduction
II.2 généralités sur traitement d’images
II.2.1 Définitions
II.2.1.1 Image
II.2.1.2 Pixel
II.2.1.3 Dimension
II.2.1.4 Résolution
II.2.1.5 Histogramme
II.2.1.6 Contraste
II.2.1.7 Luminance
II.2.1.8 la texture
II.2.1.9 Contours et textures
II.2.2 Types d’images
II.2.2.1 la représentation numérique
II.2.2.1.1 Image matricielle
II.2.2.1.1.1 Image2D
II.2.2.1.1.2 Image multi résolution
II.2.2.1.1.3 Image stéréoscopiques
II.2.2.1.2 Image vectorielles
II.2.2.2 La représentation des couleurs
II.2.2.2.1 Les modèle de couleurs
II.2.3 Formats d’image
II.3 Architecture du système d’indexation et recherche d’images
II.4 Composants d’un système de recherche d’image
II.5 Les requête
II.5.1 Par mots clés
II.5.2 Par esquisse
II.5.3 Par exemple
II.6 techniques d’indexation et recherche d’image par le contenu
II.7 Caractéristiques symboliques
II.7.1 Couleur
II.7.1.1 Espaces de couleurs
II.7.2 Histogramme
II.7.3 Moments statiques
II.7.4 Texture
II.7.5 Forme
II.7.5.1 Transformé de Fourier
II.8 Caractéristiques sémantique
II.9 Histogramme de gradient orienté
II.10 Descripteur SIFT
II.11 Mesure de similarité entre descripteurs
II.12 Distances
II.12.1 Distance de Mahalanobis
II.12.2 Intersection d’histogrammes
II.12.3 Distance de Minkowski
II.12.4 Distance quadratique
II.13 Moteurs de recherche d’images(CBIR
II.14 Mesures d’évaluation d’un CBIR
II.14.1 Le rappel
II.14.2 La précision
II.14.3 R-précision
II.14.4 Moyenne harmonique
II.14.5 Mesure E
II.15 Domaine d’application
II.16. Conclusion
CHAPITRE III : prototype (COCEPTION ET Implémentation)
III.1 introduction
III.2-Description de la base
III.3 -Conception
III.3.1 Partie d’indexation des images
III.3.1.1 indexation de couleur
III.3.1.1.1 Algorithme d’histogramme de couleur
III.3.1.1.2 Explication
III.3.1. 2 indexations à base de Fourier (indexation de forme
III.3.1.2.1 algorithme de transforme de Fourier
III.3.1.2.2 explication
III.3.2 partie recherche d’image
III.3.2.1 algorithme de cosinus
III.3. 2.2 explication
III.4- L’environnement de travail (outil utilisé
III.5 -Présentation de prototype
III.5.1 Image en gamme de gris
III.5.2 Image négative
III.5.3 Image rouge
III.5.4 Image verte
III.5.5 image bleue
III.6- Expérimentations
Conclusion