Recherche d'images par le contenu
| dc.contributor.author | Bedouhene, Saida | |
| dc.date.accessioned | 2017-03-28T09:49:47Z | |
| dc.date.available | 2017-03-28T09:49:47Z | |
| dc.date.issued | 2011 | |
| dc.description | 74 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Grâce aux avancées récentes de la technologie ces dernières années, en particulier dans le domaine de multimédia et de l’informatique, l’information numérique est devenu le coeur de tous les secteurs d’activités : dans le monde industriel, médical, scientifique, juridique, géographique, etc. Ces progrès se sont accompagnés d’une baisse des coûts des équipements informatiques qui a facilité la diffusion et l’échange de données multimédia numérisées vers le grand public. Mais cette masse de donnée n’aurait aucun intérêt sans la capacité de la manipulé, de la classer, de l’archiver et d’y accéder rapidement et sélectivement. L’indexation et la recherche d’images par le contenu semble être une piste prometteuse. Elle offre la possibilité aux utilisateurs d’interroger et d’exploiter directement ces bases d’images en utilisant leur contenu ; ceci explique l’activité de recherche consacrée à ce domaine. Si l’annotation textuelle est très répondue et largement pratiquée, elle s’avère limitée, fastidieuse et subjective pour décrire le contenu des images. Ce mémoire s’inscrit dans ce cadre, et plus généralement, dans la recherche d’images par le contenu. Dans ce contexte, nous nous intéressons à la conception et à la réalisation d’un système de recherche d’images par le contenu, en anglais Content Based Image Retrieval (CBIR), en vue d’aide à la décision et à la recherche automatique. Cette technique consiste à représenter chaque image par un ensemble de caractéristiques visuelles de bas niveau telle que la couleur (histogramme de couleurs, histogramme dans l’espace RGB, TSV, etc.), la texture (filtre de Gabor, matrice de cooccurrence, transformée en ondelette discrète, etc.) et la forme (descripteurs de Fourier, moments de Hu, etc.). Ces caractéristiques visuelles, calculées de manière automatique, sont ensuite exploitées par le système pour comparer et retrouver des images similaires à une image requête. Cette mesure de similarité est généralement définie par des distances géométriques. | en |
| dc.identifier.citation | Option : Traitement d’Images et Reconnaissance de Formes | en |
| dc.identifier.other | MAG.AUTO.39-11 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/647 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Extraction automatique du contenu | en |
| dc.subject | Mesure de similarité | en |
| dc.subject | Forme | en |
| dc.subject | Texture | en |
| dc.subject | Couleur | en |
| dc.title | Recherche d'images par le contenu | en |
| dc.type | Thesis | en |