Contributions à la description d’images couleur pour la recherche d’images par le contenu

Abstract

Ce travail de thèse s’inscrit dans le cadre de l'amélioration de la recherche d'images par le contenu en se focalisant sur le processus d'extraction des caractéristiques d'images. Nous nous intéressons particulièrement aux descripteurs d'images basés à la fois sur la forme et la couleur. En effet, en exploitant l'algèbre des quaternions, nous généralisons les moments orthogonaux radiaux permettant de décrire la forme en vue d’intégrer également l’information couleur. Dans un premier temps, nous décrivons l’état de l'art concernant les descripteurs d'images couleur, y compris les moments quaternaires. Ensuite, nous présentons trois contributions concernant la description d’images couleur pour la recherche par le contenu. Dans notre première contribution, nous proposons une adaptation de la transformée en harmoniques sphériques (SHT) pour la description d’images couleur en utilisant à la fois l'algèbre des quaternions et une transformation sphère-disque appropriée. De plus, nous améliorons le temps de calcul de notre descripteur, appelé Quaternion Disc-Harmonic Moments (QDHM), en se basant sur la technique d’échantillonnage sphérique Healpix. La deuxième contribution consiste à proposer une reformulation sans paramètre des moments orthogonaux quaternaires, appelés Parameter-free quaternion orthogonal moments (PFQOM). Ceci est justifié par le fait que le calcul des moments quaternaires existants dépend du choix d'un paramètre quaternion unitaire pur dont la valeur optimale ne peut être fixée qu'empiriquement. De plus, la valeur estimée de ce paramètre est fortement liée au domaine d’application. Dans notre troisième contribution, nous suggérons une méthode de classification d'images couleur basée sur les moments QDHM sans paramètre. L’objectif est de confirmer la pertinence de notre descripteur quaternaire et de le valider dans le cadre d’un système de classification d’images. L’idée de base est de garder la forme quaternaire des coefficients composant le descripteur QDHM au lieu de se restreindre aux modules des moments. Pour maintenir la corrélation entre les quatre parties, réelle et imaginaires, des coefficients du descripteur quaternaire, nous nous sommes basés sur un classificateur de type quaternaire, qui est la machine d’apprentissage extrême quaternaire (QELM). La performance de l’ensemble des descripteurs proposés est évaluée en termes de capacité de reconstruction d'images couleur, de robustesse aux changements photométriques, d’invariance géométrique, de pouvoir discriminatoire et de temps de calcul. Les résultats obtenus montrent l’intérêt de notre propos.