Indexation sémantique des images basée sur les réseaux réguliers de points

par Mahmoud Mejdoub

Thèse de doctorat en Automatique, traitement du signal et des images

Sous la direction de Marc Antonini et de Chokri Ben Amar.

Soutenue en 2010

à Nice .


  • Résumé

    Face au rythme de croissance des volumes des contenus numériques, le développement des méthodes pour l’indexation et la recherche de ces contenus devient une nécessité. Dans cette thèse, nous nous intéressons aux approches de quantification vectorielle produisant des représentations et des structurations automatiques de contenu visuel des images. Pour commencer, nous nous penchons sur le modèle de la description visuelle du contenu afin de fournir une représentation efficace des images. Pour cela, nous utilisons une représentation par sacs de mots visuels basée sur un algorithme de quantification vectorielle flou. Cette représentation permet de décrire localement les images et d’obtenir une représentation plus fine des descripteurs de bas niveau. Les zones locales sélectionnées dans l’image sont aussi bien les zones de variation représentées par les points d’intérêts que les zones homogènes. Le grand nombre de descripteurs locaux qu’on peut obtenir, requiert des outils efficaces pour qu’ils soient exploitables convenablement. Pour cela, nous proposons une nouvelle structure d’indexation : « l’arbre de lattices emboîtés », basée sur la quantification vectorielle par réseau régulier de points. Celui-ci est utilisé aussi bien pour l’accélération de la recherche des k plus proches voisins que pour l’amélioration de la qualité de la classification sémantique des images

  • Titre traduit

    Image semantic indexing based on lattice vector quantization


  • Pas de résumé disponible.


  • Résumé

    With the growth of digital content volumes, the development of methods for index and searching this content becomes a necessity. In this thesis, we are focused on lattice vector quantization approach since its ability to provide an effective automatic structuring of visual feature vectors extracted from the images. The features extraction step is based on local descriptors obtained by the bag of words technique. Local areas selected in the image correspond to both salient points and homogeneous patches. The large number of local descriptors that can be obtained requires effective tools to organize them. For this, we propose a new indexing structure: the “embedded lattices tree” based on lattice vector quantization. The proposed approach is used both to accelerate the k nearest neighbours search and to improve the quality of semantic image classification.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (xiii-165 p.)
  • Annexes : Bibliogr. p. 151-165. Résumé en français

Où se trouve cette thèse ?

  • Bibliothèque : Université Nice Sophia Antipolis. Service commun de la documentation. Section Sciences.
  • Non disponible pour le PEB
  • Cote : 10NICE4046
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.