GABOR/MOMENT : APPLICATION A L’INDEXATION D’IMAGE COULEUR- TEXTURE

Définition et historique de l’indexation

Les recherches sur l’extrait automatique d’images débutent en 1970 et croient très rapidement dans les domaines de la technologie de l’information et du multimédia. Il y a deux approches principales:
– l’une emploie des annotations manuelles textuelles qui est actuellement la plus utilisée.
– et l’autre utilise des descripteurs extraits automatiquement à partir des images.
Mais l’indexation de ces images représente une tâche longue et répétitive pour l’humain, surtout avec les bases d’images qui deviennent de plus en plus grandes. En 1990, pour surmonter les limites des systèmes de recherche d’image basée sur l’annotation textuelle manuelle, le système de recherche basé sur le contenu est proposé. Cette deuxième approche a deux directions :
– la recherche d’image en basant sur le contenu symbolique, qui emploie des descripteurs extraits automatiquement à partir de l‘image telles que la couleur, la texture, les formes [9].
– et celle sur le contenu sémantique, qui utilise les différentes transformées.
L’indexation automatique d’une image se résume au calcul des indices de description pour toutes les images de la base de données. Ce processus s’effectue hors ligne (off-line), par conséquent le temps de calcul n’est pas primordial. Les indices peuvent être tirés à partir de la texture, de la couleur et d’autres caractéristiques de l’image comme la transformée de Fourier ou la transformée en ondelettes [10].

Indexation combinée par plusieurs méthodes

L’indexation peut également se faire en combinant plusieurs méthodes. La combinaison de l’indexation par la couleur combinée et celle par la transformée en ondelettes est la plus utilisée. On utilise l’espace de couleur HSV dont les caractéristiques seront H, S, et V, les indices de texture sont obtenus à partir des sous-ensembles HL, LH et LL obtenus après un niveau de décomposition en ondelettes de Haar (en utilisant (2.21)).

Base de données d’image

Il existe plusieurs bases de données standard. Depuis 1996, MPEG-7 (Moving Picture Experts Group) s’impose en étant un standard de représentation des données multimédias (audio, image fixe et vidéo). Il existe aussi d’autres bases qu’on peut utiliser telles que les bases de MIT (Massachussetts Institute of Technology). [8] Les bases de données peuvent être réparties en deux groupes selon leur contenu, les bases de données génériques et les bases de données spécifiques. [11]
– Le contenu des bases de données génériques est hétérogène ; ces bases sont généralement destinées au grand public (via internet).
– Et ceux des bases de données spécifiques est homogène, elles sont composées de types d’image particuliers comme les empreintes digitales, le visage.

Les systèmes industriels

Les systèmes de recherche les plus reconnus sont [5]:
 QBIC (Query By Image Content) développé par IBM Almaden Research Center, San José.
 ImageFinder développé par Attrasoft Inc.
 VIR Image Engine développé par Virage Inc.

Moment de couleur

Pour cette première méthode d’indexation d’une image par la couleur, on fait les calculs à partir des caractéristiques de l’image c’est-à-dire la moyenne, la variance et la déviation standard. Les formules de ces derniers sont déjà mentionnées dans le chapitre précédent ((2.07), (2.08), et (2.09)). Pour la réalisation, on calcule toutes les caractéristiques de l’image requête et aussi celles des images dans la base de données. Pour calculer chacune de ces valeurs, nous avons utilisé une seule fonction qui est la fonction calcMoment.m Ensuite on détermine la distance qui les sépare en utilisant la distance Euclidienne avec un seuil de 2.0483e+005 afin d’avoir des images plus proches de l’image de référence. Ces résultats sont stockés dans un dossier nommé vita1. Les images affichées dans la figure 3.07 sont celles qui reflètent les mieux le résultat attendu.

Filtre de Gabor

Pour cette deuxième méthode d’indexation, on fait les calculs à partir des transformés de Fourrier implémentés dans le modèle mathématique du filtre de Gabor. La formule (3.05) utilisée est déjà mentionnée dans ce même chapitre. Pour la réalisation, on calcule toutes les caractéristiques de l’image requête tels que la taille du filtre, la période, les écarts type et l’orientation du filtre et aussi celles des images dans la base de données en utilisant la fonction gabor.m Ensuite on détermine la distance qui les sépare en utilisant toujours la distance Euclidienne avec un seuil de 2.0483e+005 afin d’avoir des images plus proches de l’image de référence. Enfin les images affichées sont celles qui reflètent les mieux le résultat attendu. Ces résultats sont stockés dans un dossier nommé vita3.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela chatpfe.com propose le téléchargement des modèles complet 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

NOTATIONS
INTRODUCTION GENERALE
CHAPITRE 1 GENERALITES SUR LES IMAGES
1.1 Introduction
1.2 Définition d’une image numérique
1.1.1 Image à niveau de gris
1.2.2 Image couleur
1.3 Caractéristiques d’une image
1.3.1 Pixel
1.3.2 Dimension
1.3.3 Résolution
1.3.4 Contours et texture
1.3.5 Contraste
1.3.6 Entropie
1.4 Manipulation sur les images
1.4.1 Histogramme
1.4.2 Transformée de Fourier discrète
1.4.3 Transformée en ondelettes
1.5 Calcul de distance
1.6 Applications du traitement d’images
1.7 Principes de l’indexation en général
1.8 Conclusion
CHAPITRE 2 LES DIFFERENTES METHODES D’INDEXATION D’IMAGE
2.1 Introduction
2.2 Définition et historique de l’indexation
2.3 Indexation manuelle
2.4 Indexation automatique
2.4.1 Indexation dans le domaine de luminance
2.4.2 Indexation dans les domaines transformés
2.4.3 Indexation combinée par plusieurs méthodes
2.5 Les différentes méthodes d’évaluation
2.5.1 La précision et le rappel
2.5.2 Courbe ROC
2.6 Conclusion
CHAPITRE 3 SIMULATION DE LA RECHERCHE D’IMAGE EN UTILISANT LES METHODES DU FILTRE DE GABOR ET LES MOMENTS DE COULEUR
3.1 Introduction
3.2 Base de données d’image
3.3 Content Based Image Retrieval
3.3.1 Les systèmes académiques
3.3.2 Les systèmes industriels
3.4 Calcul de la similarité
3.4.1 Distance euclidienne
3.4.2 Modèles mathématiques du calcul des moments de couleur
3.4.3 Présentation et Modèles mathématiques du filtre de Gabor
3.5 Simulation de l’indexation d’image par la couleur et la texture
3.5.1 Présentation du logiciel MATLAB
3.5.2 Simulation avec le logiciel MATLAB 7.12
3.5.3 Moment de couleur
3.5.4 Filtre de Gabor
3.5.5 Précision et performance du moteur de recherche
3.5.6 Combinaison des deux méthodes
3.6 Conclusion
CONCLUSION GENERALE
ANNEXE
BIBLIOGRAPHIE
FICHE DE RENSEIGNEMENTS
RESUME
ABSTRACT