Labellisation d'images par méthodes fractales - UFR Mathématiques ...

l’étiqueter en tant que navire, et s’appuyer sur des mesures fiables, l’extraction de blocs
contenus dans le voisinage immédiat serait nécessaire. Dans la figure, ce voisinage est
représenté par les ellipses bleues. Cet aspect composite, de bloc images ou de mesures
caractéristiques, devra être présent dans la partie reconnaissance de notre méthode et
par conséquent de manière symétrique dans l’étape d’apprentissage. Pour ce faire, nous
nous sommes positionné dans la suite des travaux réalisés par Audrey Séropian [SER03,
SER05]. La méthode exposée permet l’identification de scripteurs et d’alphabets, latin,
arabe ou cyrillique, en se basant sur la compression fractale proposée en 1990 [JAC90],
[JAC92]. Le principe était d’établir une base de connaissance de blocs image
représentatifs du scripteur ou de l’alphabet en question, de manière à pouvoir le
reconnaître automatiquement dans d’autres documents manuscrits. Les données
manipulées étaient alors contraintes en termes de géométrie et d’amplitude du signal
puisqu’il s’agissait de lignes d’écriture sur des images binaires, écriture noire sur support
blanc. Nous allons mettre en œuvre une méthode permettant d’appliquer ce principe à
des images de scènes quelconques dans le spectre visible.
2.3 Plan de la thèse
Nous allons commencer notre étude par un état de l'art sur les différentes thématiques
liées à nos objectifs. Celles-ci étant assez vastes, nous ciblerons quelques notions
essentielles. L'action de labelliser une image correspond à en séparer des portions et à
les identifier. Notre état de l'art recouvrera dans ce sens les notions de segmentation, puis
la caractérisation de régions texturées par différents opérateurs, pour finalement
approfondir un historique sur les opérateurs fractals. Nous aborderons ensuite le cœur de
notre étude et détaillerons comment nous nous sommes inspiré de la compression
fractale pour construire un processus d'apprentissage de concept. Nous expliquerons
comment nous avons élaboré un système de notation permettant de mettre en relief les
imagettes les plus représentatives en termes de redondances à différentes échelles sur
l’objet à apprendre. Nous nous pencherons ensuite sur la mise en application des
données apprises en proposant une méthode de reconnaissance. Celle-ci tiendra compte
de l’aspect composite des concepts appris en les considérant comme des sacs de mots.
Un objet sera considéré comme reconnu si plusieurs de ses imagettes caractéristiques
sont présentes dans une zone restreinte de l’image. Nous évaluerons ensuite les
performances des applications de nos travaux sur une base d’images publiques [Net 4] et
nous dégagerons les avantages et les limites des méthodes proposées. Enfin nous
exposerons nos conclusions et proposerons les perspectives possibles.
12