Plusieurs bases d'essais

Les Figure 3.22à3.32présentées dans cette section utilisent des imagettes à une seule couleur, avec les paramètres méthodologiques suivants : α = 0.55, σs égal au quart de la

diagonale, σc = 50 pour la base LCPD et σc = 15 (Figure 3.31) pour toutes les autres

bases et enn n = 150 pixels. Sur l'ensemble des résultats, la requête est en haut à gauche encadrée en rouge suivie des résultats les plus proches par ordre croissant de la distance EMD. Comme la méthode proposée dans ce chapitre ne dispose par d'un critère d'arrêt sur l'EMD, le nombre de résultats présenté pour chaque requête varie manuellement selon

Recherche d'images selon l'organisation spatiale des couleurs la base. Nous proposons au Chapitre suivant un seuil non supervisé pour répondre à ce problème.

3.4 Conclusion

En dehors de la section consacrée au choix de la valeur de α, nous n'avons pas utilisé de bases classées pour évaluer la méthode d'indexation proposée dans ce chapitre. L'or- ganisation spatiale des couleurs est en eet un critère non sémantique et assez subjectif. Si nous avions voulu quantier les performances de la méthode par des courbes précision- rappel, nous aurions eu besoin d'une base assez riche, et classée selon le critère de l'OSC. La petite base que nous avons utilisée pour l'étude de la valeur de α est constituée de 2 × 10 classes de séries d'images très distinctes où les OSC sont clairement distinguables. Dans une base réelle et riche, il est assez subjectif de classer l'ensemble de la base. De nombreux éléments peuvent être uniques, ou au contraire appartenir à plusieurs classes.

Notre but ici est donc de proposer plus une méthode de parcours de bases de données qu'une solution pour trouver des images strictement identiques selon un critère de type recherche objective. Nous nous plaçons toujours dans un angle d'étude de l'impact pictural d'une ÷uvre. Et nous illustrons l'ecacité d'une méthode de comparaison de l'OSC en mettant en correspondance des groupes d'÷uvres similaires selon ce critère.

En eet l'OSC pouvant être indépendante du contenu descriptif, seule la présence de séries dans une base ayant à la fois la même composition et le même contenu per- met de retrouver la même sémantique. Cela apparaît uniquement lorsque il y a un lien entre ces deux types de contenu. Dans les enluminures par exemple, Figure 3.24troisième exemple à droite, le fait de représenter un personnage religieux dans un coin cerclé de vert a probablement une origine iconographique. Ces règles sémantiques de représentation se traduisent en fait de manière picturale. Il est donc logique que pour ces types d'exemples le contenu descriptif soit assez similaire. De même pour les exemples d'objets décoratifs (Figures 3.28 à 3.30), le photographe avait probablement pour consigne de toujours nu- mériser les chaises sous un angle de 3/4, et sur un fond blanc. Le pas de quantication n utilisé se traduit par une échelle faible de résolution, et de fait nous nous éloignons des dé- tails qui bien souvent permettent de caractériser sémantiquement l'objet décrit lorsqu'ils appartiennent à des bases d'images au contenu hétéroclite.

Sur l'ensemble des résultats nous voyons que la similarité avec la requête selon l'OSC décroît de façon assez monotone. Néanmoins elle décroît très souvent jusqu'à un point où l'OSC devient plutôt diérente à la requête que similaire. La frontière entre ces deux qualités varie d'un exemple à l'autre. Parfois, les 8 résultats montrés sont tous similaires, et nous souhaiterions voir quels sont les résultats suivants (par exemple sur l'ensemble des résultats de la Figure 3.31). Parfois nous avons l'impression que la base ne contient que très peu d'images similaires à la requête (par exemple sur la Figure 3.22, dernier résultat

Recherche d'images selon l'organisation spatiale des couleurs

Fig. 3.23: Base ATCI.

en bas à droite). Pour répondre à ce problème de limite entre images similaires et images diérentes, nous proposons dans le chapitre suivant un critère de décision non supervisé pour la mise en correspondance d'images selon leur OSC.

Recherche d'images selon l'organisation spatiale des couleurs

Recherche d'images selon l'organisation spatiale des couleurs

Recherche d'images selon l'organisation spatiale des couleurs

Recherche d'images selon l'organisation spatiale des couleurs

Chapitre 4

Seuil automatique pour la recherche

d'images selon l'OSC

Nous proposons dans ce chapitre une solution au problème pratique du choix du nombre d'images résultats à retourner à l'utilisateur lors de l'interrogation d'une base de données, dans le cadre du critère d'organisation spatiale des couleurs introduit au Chapitre

3. La solution la plus couramment adoptée est d'acher un nombre xe d'images résultats, triées par ordre décroissant de distance à la requête. Une alternative est de retourner la totalité de la base ordonnée selon la mesure de similarité, sous forme de pages à consulter. Cette approche présente un risque élevé de n'acher qu'une partie des images similaires à la requête ou au contraire de noyer l'utilisateur sous un très grand nombre d'images non pertinentes. En pratique, le nombre d'images pertinentes selon la base consultée varie énormément d'une requête à l'autre. Une base d'images peut ne contenir aucune image similaire à une requête ou au contraire des centaines. Connaître cette information permet de sonder une base de données ce qui peut être très utile quand celle-ci atteint une taille telle qu'un parcours manuel n'est pas envisageable.

Ce chapitre propose un critère de similarité basé sur un schéma statistique a contrario qui s'adapte à chaque requête utilisée et à chaque base d'images consultée. La méthode présentée permet de compléter le schéma de recherche d'images par une étape de décision donnant une réponse à la question : cette image candidate est-elle similaire à la requête ? Il est important de distinguer ici la capacité à mesurer la distance entre deux images de celle à décider si deux images sont susamment proches pour pouvoir être considérée comme similaires. Après une brève présentation à la Section 4.1 de deux travaux précédents sur l'indexation de formes et d'images, nous présenterons à la Section 4.2 la méthodologie proposée qui est inspirée de ces travaux. La Section 4.3 présente plusieurs expériences permettant d'étudier et d'illustrer la méthode.

4.1 Méthodes a contrario pour la recherche dans des

bases de données