Analyse multirésolution et recherche d'images

Abstract

L'objectif de ce mémoire est de développer une méthode rapide et efficace de recherche d'images par contenu. Cette méthode sera utilisée pour des images 1D et pour des images 2D dont les caractéristiques seront représentées par des images 1D. Une image 1D est un signal ou une fonction définie sur un intervalle. Elle peut être représentée par une fonction constante par morceaux, c'est-à-dire une fonction étagée. L'analyse multirésolution est une décomposition de cette fonction étagée suivant des ensembles de fonctions qui font apparaître les détails de l'image 1D en fonction des niveaux de résolution différents. Cette analyse multirésolution est produite grâce à une transformation en ondelettes de Haar qui décompose l'image 1D en ses composantes à différentes échelles. La compression par approximation s'effectue sur le nombre de coefficients de l'image 1D normalisée et décomposée. Si on néglige certains coefficients représentant les détails les plus fins, il est possible d'avoir une bonne approximation de l'image 1D. Nous établissons un processus automatisé de recherche d'images par contenu qui s'applique à de grosses bases de données (BD). On choisit pour cela une métrique qui sera calculée d'une façon rapide entre la requête et les images de la BD. Afin de calculer notre métrique, nous associons à cette dernière des poids déterminés par un modèle de régression logistique. Notre base de données d'images 1D est constituée par des mixtures de gaussiennes. Dans chaque mixture de gaussiennes, le nombre de composantes est identique au nombre de modes apparents. Pour évaluer notre méthode de recherche, nous avons étudié l'effet de plusieurs facteurs tels la translation, l'influence des poids, etc. Afin de tester l'efficacité et l'utilité de notre méthode de recherche, nous appliquons cette dernière pour une base de données de poissons de Surray et une base de données d'images couleurs.