2.2 L’interprétation des images 2.2.4 Du côté de l’utilisateur ☛ ✡ ✟✠ Extraction du descripteur requête Calcul similarité de Bouclage de pertinence Images résultats Extraction des descripteurs ✝ ✠ ☛ ✡ ✟✠ ... ❄ ✲ ✲ ❄ ✲ ✲ ✛ ✑✑✑ ✸ Image requête Base d’images Hors ligne (offline) En ligne (online) Base de descripteurs FIG. 2.8 – Architecture générale des systèmes de recherche d’images par l’exemple. On distingue deux phases indépendantes : – Une phasehors ligne(Offline) dans laquelle sont réalisés l’extraction et le stockage des descripteurs des images de la base. Durant cette phase, aucun utilisateur n’est connecté à la base d’images. Cette phase peut donc prendre le temps nécessaire à l’évaluation des descripteurs. – Une phase en ligne (Online) où l’utilisateur interroge la base à l’aide de son image exemple. Durant cette seconde phase, le temps de réponse du système est crucial, il faut le réduire au maximum. Cette architecture générale présente cependant deux inconvénients majeurs : – L’utilisateur ne dispose pas toujours d’une image exemple pour formuler sa requête, – Lorsque le nombre d’images de la base augmente, le temps de recherche devient rapide-ment prohibitif. L’idée de notre méthode est d’effectuer un pré-classement des images durant la phase hors ligne afin de proposer à l’utilisateur une base d’images pré-classée lors de la phase en ligne. Ainsi, il a la possibilité de naviguer dans la base à la recherche de l’image qui lui convient. La recherche devientvisuelle. 2.2.4 Du côté de l’utilisateur L’aspect utilisateur est très important dans la création d’un système de recherche d’images. L’utilisateur doit disposer d’un programme de recherche d’images simple d’utilisation, rapide et efficace. Ces contraintes doivent être rigoureusement respectées si on veut fournir un bon système de recherche d’images. On distingue deux types d’utilisateurs d’une base d’images : – Le non-spécialiste qui cherche une image sans avoir de connaissance particulière du domaine de la base, – L’expertqui connaît parfaitement le domaine de la base d’images et qui connaît (ou qui veut tester) les attributs à utiliser pour classer la base selon ses critères. Il faut donc adapter le système à des utilisateurs experts ou non du domaine de la col-lection. C’est-à-dire qu’un utilisateur néophyte demandera simplement à rechercher une image dans la base alors qu’un expert pourra modifier les paramètres afin de prendre en compte sa connaissance du domaine. Lors de l’utilisation d’un système de recherche d’images, l’utilisateur dispose de plusieurs moyens pour définir sa requête. – requête par esquisse(sketch) : L’utilisateur dessine une esquisse très simple de ce qu’il cherche (contours et couleurs). – requête par image exemple : l’utilisateur dispose d’une image de référence de ce qu’il cherche et la donne en entrée du système. Le principal inconvénient de cette méthode est qu’il faut disposer d’une image approchée de ce que l’on cherche. – requête par description : l’utilisateur décrit ce qu’il veut en terme de couleurs et de relations spatiales : 20% de bleu, du vert en haut et du rouge en bas par exemple. Dans ces trois cas de formalisation de la requête, l’utilisateur doit avoir une idée de ce qu’il cherche. La plupart du temps, l’utilisateur n’a qu’une idée vague de l’image qu’il souhaite obtenir et c’est en visualisant les images de la base qu’il cible sa requête. Il existe donc une quatrième manière d’effectuer la requête : lanavigation visuelledans la base. C’est le principe que nous avons retenu dans notre solution. Par exemple, une personne trouve un objet fossile par hasard lors d’une promenade. Elle n’est pas spécialiste en paléontologie. Notre système peut lui proposer une navigation dans une base d’objets paléontologiques en partant par exemple de caractéristiques de formes, puis de texture pour arriver à un ensemble restreint d’images qui correspondra à la famille paléontolo-gique de l’objet. La difficulté est de construire une représentation pour guider l’utilisateur lors de sa recherche visuelle et l’amener vers la bonne solution. 2.2.5 La navigation visuelle L’idée de la navigation visuelle est de présenter à l’utilisateur du système de recherche d’images une vue générale de la base de données dans laquelle il navigue simplement à l’aide de la souris. Cette technique nécessite bien sûr d’organiser la base d’images en «familles» d’images qui seront visuellement similaires. Le principal problème de ce type de méthode est de choisir les images que l’on va pro-poser à l’utilisateur lors de sa recherche. Doit-on propro-poser des images réelles de la base ou bien construire des images représentatives du contenu de la base (et dans ce cas, comment les construire) ? Il se pose ensuite un autre problème, quelle liste d’images doit-on proposer à l’utilisateur pour démarrer sa recherche. Ce problème de démarrage de la navigation est connu sous le nom de problème de la page zéro. Il faut donc un moyen de «synthétiser» le contenu de la base d’images afin de proposer à l’utilisateur du système une série d’images de départ à l’exploration de la base. Un autre problème de la recherche d’images par le contenu est la définition de la notion de similarité des images. 2.2.6 La similarité La notion de similarité entre deux images est une notion difficile à définir. Il faut en ef-fet préciser sur quel(s) critère(s) cette notion de similarité se base. La figure 2.9 présente un exemple où on demande à l’utilisateur de classer les quatre images proposées en familles d’images similaires. FIG. 2.9 – Exemple de base à classer en familles d’images similaires. Il y a plusieurs réponses acceptables à cette question selon lecritère de similaritéretenu. Si on décide de retenir la couleur comme critère, les deux familles sont (A,C) et (B,D). Si c’est la texture que nous retenons, on aura (A,B) et (C,D). Si c’est la forme que nous choisissons comme critère, les deux familles deviennent (A,D) et (B,C). Enfin, si nous choisissons la taille, le regroupement devient (A,C) et (B,D) comme dans le premier cas. Il est aussi possible de définir une composition de ces critères avec un résultat qui dépend de leur importance relative. Cet exemple est volontairement caricatural mais il indique qu’il faut tenir compte du critère de similarité lors de la recherche. Autrement dit, il faut créer un vecteur descripteur qui contient les informations selon un ou plusieurs critère(s) choisi(s) en fonction des besoins de l’utilisateur. La similarité de deux images est un problème mal posé dans lequel des contraintes addi-tionnelles sont nécessaires pour la régularisation. Il y a des choix à faire a priori pour résoudre ce problème. Il faut donc définir un critère de similarité avant de comparer deux images. Dans la définition de la similarité et dans l’extraction des attributs des images, l’expert du domaine joue un rôle très important. Il choisit les caractéristiques des objets et propose un modèle de comparaison des images. Il apporte son expérience du domaine comme connaissance a priori de la similarité entre les images. Dans le document Analyse multirésolution pour la recherche et l'indexation d'images par le contenu dans les bases de données images - Application à la base d'images paléontologique Trans'Tyfipal (Page 37-40)
