Contributions à la classification sémantique d'images

Contributions to automated image indexing based on semantic criteria

• Auteur / Autrice : Alain Jean-François Pujol
• Direction : Liming Chen
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2009
• Etablissement(s) : Ecully, Ecole centrale de Lyon
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'InfoRmatique en Images et Systèmes d'information (Ecully, Rhône)

Mots clés

Mots clés contrôlés

Traitement d'images

Informatique

Résumé

La classification d’images par le contenu visuel est un domaine particulièrement actif et difficile de l’analyse d’images. En n’imposant aucune restriction sur les images traitées, on se retrouve en effet face à un contenu qui peut être composite, ambigu et qui plus est acquis dans de mauvaises conditions. Aussi difficile qu’elle puisse paraître, cette activité pose pourtant très rarement des problèmes à un être humain qui, quelle que soit la complexité de l’image d’origine, parvient toujours très rapidement à une décision. Idéalement un système d’indexation automatique devrait permettre de rechercher des concepts dans une image hétérogène et de savoir détecter leur présence comme leur absence de manière non-mutuellement-exclusive. Notre objectif a d’abord été de nous inspirer de la performance de la classification humaine pour en tirer des procédés d’analyse nous mettant dans de bonnes conditions pour nous acquitter de cette tâche. Nous avons également déterminé des caractéristiques de forme pertinentes pour nous assister dans la tâche de classification. Enfin nous avons développé une classification efficace qui puisse s’adapter à ces conditions difficiles. Les contributions de cette thèse portent sur les informations extraites de l’image, le procédé d’extraction ainsi que sur leur utilisation pour accéder à un verdict de classification.

Image indexing based on visual content is an especially active and challenging field in image processing. Without any restriction on processed images, we indeed face contents which may be heterogeneous, ambiguous and also acquired in poor conditions. As difficult as it may appear, most of the time, this activity poses very few problems to human beings who always reach a quick classification decision, whichever the complexity of the original image. An automated indexing system should, ideally, allow searching for concepts within a heterogeneous image and being able to detect their presence as well as their absence in a non-mutually exclusive way. Our first objective was to draw means of processing information from human perception which would put us into good conditions to make a successful classification. We also devised efficient shape features to help us in this classification task. Finally, we developed an efficient classification process that could adapt to these difficult conditions. The contributions of this thesis are about the basic features extracted from the image, the extraction process itself as well as the classification process itself.