Analyse multi-échelle et spatio-temporelle des images pour L’indexation et la recherche d’images par le contenu

Abstract

Le travail présenté dans de cette thèse s’intéresse aux problèmes d’analyse multiéchelle, spatio-temporelle des images pour l’indexation et la recherche d’images par le contenu. Après une description générale d’un système de recherche d’image par le contenu, le problème de l’indexation d’images est abordé sous deux approches. La première de nature globale utilise des invariants différentiels appliqués aux points d’intérêt. La seconde est locale et porte sur des régions d’intérêt caractérisées par les moments géométriques invariants. La recherche s’effectue par une mesure de similarité appropriée entre la requête et les images de la base. L’étude de la performance de ces approches est évaluée sur plusieurs bases d’images suivies d’une comparaison avec d’autres méthodes. Les résultats de simulation montrent l’intérêt à employer de tels invariants locaux contribuant à une réduction de temps de calcul et une amélioration de taux de précision. Dans la deuxième partie, il s’agit du développement d’une nouvelle approche basée sur une extension à 2D de la décomposition en Mode Empirique (EMD) qui possède un caractère auto-adaptatif permettant de mieux cerner des changements en temps d’amplitude ou de fréquence. L connaissance des modes résultant de cette décomposition permet de comprendre de manière intuitive le contenu fréquentiel de l’image. C’est un outil performant qui a fait ses preuves pour l’analyse adaptative multiéchelle des signaux non linéaire et non stationnaire. Une première contribution a permis une réduction du temps du calcul via un partitionnement de l’image en blocs chevauché avec correction des artefacts. Quant à l’indexation des images, les modes issus de la décomposition multimodale empirique bidimensionnelle (BEMD) sont considérés comme descripteurs globaux. Plusieurs mesures de similarité ont été étudiées la première consiste à comparer les modes de l’image requête avec ceux des images de la base. Les résultats des différentes simulations montrent l’intérêt à utiliser de tel descripteur qui permet une recherche plus fine en explorant les modes dans l’ordre de croissant. La deuxième utilise un vecteur descripteur obtenu à partir d’une corrélation spatiale entre deux vecteurs formés à partir des extrema de chaque mode. Notre approche a été comparée avec d’autres descripteurs de forme (Transformée Fourier Mellin et les Ondelettes de Gabor). Les résultats obtenus témoignent de la robustesse de l’approche proposée.