Système d'archivage et de recherche de filigranes

Article

Reference

Système d'archivage et de recherche de filigranes

RAUBER, Christian, TSCHUDIN, Peter F., PUN, Thierry

RAUBER, Christian, TSCHUDIN, Peter F., PUN, Thierry. Système d'archivage et de recherche de filigranes. Gazette du Livre Médieval, 1997, vol. 31, p. 31-40

Available at:

http://archive-ouverte.unige.ch/unige:47496

Disclaimer: layout of this document may differ from the published version.

Système d’Archivage et de Recherche de Filigranes Anciens Christian Rauber¹, Peter Tschudin², Thierry Pun¹

1. Département d’Informatique, Université de Genève, 24 rue du Général Dufour, CH - 1211 Genève 4, Suisse

e-mail: rauber@cui.unige.ch

2. Schweizerisches Papiermuseum & Museum für Schrift und Druck, St. Alban-Tal 37, CH-4052 Basel

e-mail: chbpm@datacomm.ch

1. Introduction

Le besoin de sauvegarder des documents anciens a toujours été une des tâches les plus importantes de la communauté des historiens. Aussi bien les manuscrits que les pa- piers provenant d’archives nationales ou de bibliothèques doivent être répertoriés, sauve- gardés puis archivés afin de pouvoir retrouver un document très rapidement. Plusieurs tentatives ont été effectuées pour la sauvegarde de tels documents, par exemple en utilisant des moyens photographiques ou en utilisant d’autres supports tels que les microfilms.

Malheureusement, l’absence de simplicité d’utilisation ainsi que la finesse des photogra- phies obtenues par ces procédés ne permettaient pas d’obtenir des résultats rapidement ainsi qu’une précision suffisante pour la reconnaissance et la description des petits détails.

De plus, il était impossible d’obtenir une image nette et précise des informations conte- nues dans le papier, tels que les pontuseaux, les fils de chaîne ou le filigrane. Finalement, une autre contrainte liée à ces supports de substitution est le fait qu’ils se trouvent localisés dans des institutions spécialisées, d’où des contraintes de déplacement fastidieux et peu rapides pour obtenir ces documents.

Avec la révolution de l'électronique, des moyens de stockage d’informations impor- tants ainsi que des réseaux mondiaux d’interconnection d’ordinateurs, il devient possible et aisé d’archiver ces documents précieux, de les documenter et de les retrouver.

Deux projets importants pour les historiens ont vu le jour récemment. Le premier, dénommé DOCSCAN [19], concerne tout ce qui touche à la digitalisation des papiers ainsi qu’à la description précise de chacun des documents que ce soit au niveau du papier (forme, texture, taille, filigrane, etc), de l’écriture présente sur le manuscrit ou de l’histoire du document (origine, date, lieu, moulin à papier, etc). Ce projet consiste, pour les histo- riens, à ne plus travailler sur un ancien document réel (souvent ces documents sont fragiles et rares) mais à travailler sur un document virtuel, un document digital. Ces documents électroniques peuvent être étudiés par les historiens de différents endroits sans risquer de les abîmer et/ou fragiliser. Le but principal de ce projet est donc la mise en valeur de ces documents anciens pour leur étude.

Le second projet dénommé KRYPICT [11, 12] s’intéresse à tout le côté informa- tique du projet. Cela concerne tout aussi bien les capacités de stockage des informations, le type d’accès aux données, la diffusion des documents, ainsi que les moyens de retrouver un document de manière rapide et efficace.

Pour l’archivage, un logiciel de gestion de bases de données a été adopté pour tout ce qui concerne le stockage physique des données (images, documentation et données di- verses). La documentation ainsi que la diffusion des informations s'effectue par l’intermé- diaire du réseau mondial Internet. Une personne située n’importe où dans le monde a donc

la possibilité de consulter notre base de données. Il est aussi possible pour les utilisateurs ayant un droit d’accès privilégié d’étoffer la base de données en y ajoutant de nouveaux éléments. En ce qui concerne la recherche de documents, l’utilisateur a le choix entre une recherche textuelle basée sur la description des documents ou bien une recherche basée sur les caractéristiques des filigranes contenue dans ces documents.

De nos jours, un grand nombre de systèmes informatiques ont été créés afin de re- trouver parmi une librairie digitale importante d’iconographies, des images similaires sui- vant leur contenu. Ces systèmes sont généralement orientés vers un domaine bien spécifique, par exemple médical [5], spatial [7] ou encore géographique [17]. D’autres, en revanche, fournissent des utilitaires généraux permettant de retrouver des images n’appar- tenant pas à un domaine bien spécifique [21]. Des exemples bien connus sont les systèmes QBIC pour Query By Image Content développé par IBM [4], Excalibur [3] ou bien Iris [1]

qui permet en plus de traiter des images vidéo. Pour retrouver des images similaires, ces systèmes utilisent généralement comme critères de recherche des informations sur la cou- leur, la texture ou la forme. Le logiciel SPIP développé dans notre laboratoire est basé se- lon ces principes et permet, par exemple, de rechercher des textures similaires pour la spécification des peintures marbrées [9]. Typiquement, ces systèmes permettent de retrou- ver des images selon deux modes de fonctionnement: soit l’utilisateur remplit un question- naire spécifiant trois composantes principales de l’image à retrouver (couleur, texture et/

ou forme), soit il fournit une image de base et le système retrouve toutes celles qui lui sont similaire. Il est à remarquer que, contrairement aux données textuelles, il ne s’agit pas de retrouver une donnée exacte, mais plutôt des images de type similaires.

Une autre partie importante du projet Krypict est la sécurité des informations sau- vegardées et lues de notre base de données. Le défaut majeur de la création d’une base de données électronique pour la distribution et la recherche d’images et de documents est le fait que ces données peuvent être interceptées puis duplifiées et ainsi redistribuées, ceci de manière très rapide et sans contrôle du fournisseur d’informations. Ainsi, les éditeurs et les musées sont très hésitants à disséminer leurs matériels par ce moyen de communica- tion. Les possibilités commerciales de l’utilisation du réseau Internet par le World Wide Web est devenu de plus en plus appréciable, mais il est clair que le côté sécurité doit être renforcé. Pour cette raison, un moyen sûr, rapide et efficace a été développé afin de pou- voir coder les données grâce à une clef d’accès unique à tout utilisateur [14]. Cette clef est sauvegardée de manière cachée à l’intérieur même de l’image et est invisible pour l’utili- sateur. Ainsi, chaque donnée possède un copyright permettant de savoir à qui elle appar- tient. Il s’agit donc d’un filigrane électronique invisible permettant de placer un copyright digital dans les images de filigrane de notre base de données.

En résumé, le système Krypict consiste en une base de données comportant plu- sieurs milliers d’images de filigranes accompagnées de leur description, et permet de re- trouver rapidement une donnée de manière sûre suivant des critères textuels, morphologiques et/ou descriptifs.

2. Les données

Le filigrane est une signature spécifique qui était déjà présente dans les papiers eu- ropéens dès le XIIIème siècle. Cette marque incluse dans le papier a une importance his- torique et reflète l’évolution ainsi que les échanges culturels et commerciaux entre les différentes cités du moyen-âge. Cette signature ancienne (ou logo) permet aux historiens de déterminer la date d’origine ainsi que la provenance d’un papier ancien, ceci par com-

paraison avec d’autres documents possédant la même empreinte mais de date connue.

Pour ces différentes raisons, notre base de données digitale est construite avec des docu- ments anciens dont on connaît l’histoire (date de création, origine, etc). Chacun des docu- ments est donc composé de quatre informations principales: l’image recto/verso du document, l’image par transparence, et une information textuelle complète fournie par les historiens qui contient des données importantes sur le papier lui-même (couleur, texture, format, composition, date, provenance, moulin à papier, etc.), sur le filigrane (taille, posi- tion, etc.) et sur le contenu du document (langage utilisé, écriture, résumé du contenu, etc.). La figure 1.a représente une partie d’un document ancien (seule la partie frontale est présentée); la figure 1.b représente le filigrane extrait du document digitalisé par transpa- rence et ayant subi des traitements informatiques afin d’en obtenir une image plus nette (figure 1.c).

Il est très difficile pour les historiens de travailler directement avec des anciens do- cuments. La première raison est le fait qu’ils sont très fragiles et délicats. La seconde rai- son est qu’ils sont rares et généralement confinés dans des musées spécialisés, mairies ou bibliothèques. Souvent, ces documents onéreux et exceptionnels ne peuvent être emprun- tés pour consultation, ils doivent être visionnés sur place. L’avantage de travailler avec un document virtuel devient évident. Il n’est plus nécessaire de se déplacer dans un musée situé généralement loin de son lieu de travail pour étudier et inspecter un document inté- ressant, mais au contraire, le chercheur ou l’historien peut rester dans son bureau et exa- miner à travers le réseau l’image du document virtuel en accédant à la librairie digitale comme s’il était présent sur les lieux. En outre, différentes personnes peuvent accéder au même document et en même temps depuis différents endroits.

Figure 1: (a) Partie d’une image recto d’un papier ancien comportant la trace d’un fi- ligrane. (b) Extraction du filigrane après l’algorithme d’extraction. (c) Image finale utilisée pour notre base de données.

Pour créer cette librairie digitale, il convient donc de la générer en digitlisant des do- cuments anciens existants. Pour cela, chaque document n’est manipulé qu’une seule fois.

Le recto puis le verso du document sont tout d’abord digitalisé par un scanner couleur.

Cette digitalisation permet de sauvegarder les écritures ainsi que les différentes couleurs du papier. Une troisième digitalisation est effectuée pour acquérir la structure du docu- ment, ceci s’effectuant en digitalisant le papier par transparence et en niveaux de gris.

Cette troisième étape permet d’obtenir l’image du filigrane contenu dans le papier ainsi que les diverses autres caractéristiques cachées à l’intérieur du papier, telles que par exemple les fils de chaîne (chaînettes) ou les pontuseaux. Ces trois dernières informations contenues dans le papier sont celles qui nous intéressent le plus. Elles permettent en effet de confirmer ou de déterminer l’origine ou la date d’origine d’un ancien papier.

Le paragraphe suivant concerne la manière d’obtenir directement à partir d’un an- cien papier, un filigrane aux contours nets qui pourra être stocké et utilisé par notre base

(a) (b) (c)

de données.

2.1 Préparation des données

Avant de pouvoir sauvegarder les filigranes dans notre base de données, il est né- cessaire d’effectuer une série d’opérations sur les données brutes obtenues après digitali- sation par transparence du document. Les étapes semi-automatiques énumérées ci-dessous permettront de préparer et ensuite d’extraire de manière beaucoup plus simple et efficace les primitives utilisées pour le calcul des différents index définissant chacun des filigranes de manière unique:

• acquisition du filigrane par transparence en 133 lpi;

• inversion des niveaux de gris;

• rehaussement global du contraste;

• rehaussement des contours;

• suppression des écritures présentes encore dans l’image;

• acquisition des informations concernant les fils de chaînes et les pontuseaux;

• suppression des fils de chaînes et des pontuseaux;

• compléter le tracé le filigrane si de petites parties sont manquantes;

• extraction du contour du filigrane de façon à obtenir un contour de largeur unité;

• réduction de taille de l’image du filigrane d’un facteur 2;

• sauvegarde du filigrane dans la base de données;

• remplissage du formulaire accompagnant le filigrane.

Sans rentrer dans tous les détails techniques de ces algorithmes, nous pouvons néan- moins détailler l’étape de suppression des chaînettes. Si ces fils de chaînes perturbent beaucoup trop l’image du filigrane, ils sont alors détectés et supprimés en effectuant une transformée de Fourier de l’image. Dans le domaine fréquentiel, ces lignes régulières ho- rizontales sont représentées par des valeurs importantes localisées. En supprimant ceux-ci et en effectuant la transformée inverse, les fils de chaînes sont alors fortement atténués (voir la figure 2.b); de là, l’extraction du filigrane devient plus aisée.

Figure 2: Suppression des chaînettes en utilisant la transformée de Fourier. (a) Image originale. (b) Image du filigrane après avoir supprimé les fils de chaînes. (c) Diffé- rence entre les images (a) et (b).

La figure 3 nous montre cinq exemples où l’algorithme complet précédent a été ap- pliqué sur différentes images. Après cette étape de préparation, il est possible d’extraire des descriptions globales ou locales du filigrane afin de définir de manière automatique les particularités propres à chacun des filigranes. Ces images sont sauvegardés dans la base de données dans le format GIF, mais il est aussi possible de représenter le contour des fi-

(a) (b) (c)

ligranes par des splines tel que dans [22]. Avec ces primitives disparates et simples il est possible de retrouver rapidement un ou plusieurs filigranes qui correspondent en entier ou en partie à un filigrane connu. Ensuite, par comparaison des filigranes il devient trivial de déterminer l’origine et la date de création d’un ancien document et ainsi de pouvoir certi- fier si un document est une contrefaçon ou non.

Figure 3: Images de filigranes après les étapes de prétraitement.

3. Classification

Dans le passé, les historiens ont classifié les images des filigranes suivant diverses caractéristiques. Par exemple, Briquet dans son encyclopédie [2] a classifié environ 30.000 filigranes (dont 16.000 ont été publiés) dans plus de 80 catégories textuelles diffé- rentes (par exemple la catégorie Aigle, Licorne, Roue, etc), ou encore Del Marmol [8] qui a trié sa collection de filigranes suivant leur date de création.

Malheureusement, dans beaucoup de cas, il est très difficile de classifier les fili- granes selon ces derniers critères. Ils peuvent être incomplets, simplement non-identi- fiables ou bien de date inconnue. De plus, un filigrane donné peut appartenir à plusieurs catégories différentes: la croix sur un ours peut être rangé dans la catégorie Animaux ou bien dans les Signes religieux. En utilisant une description textuelle détaillée sur chacun des filigranes, il est certes possible de retrouver un filigrane très rapidement (en moins d’une seconde sur un ordinateur personnel courant). Il existe néanmoins deux limitations principales lors de l’interrogation de la base de données de cette manière: la description textuelle est subjective et peut varier suivant une langue ou une autre (malgré le fait de l’existence d’un standard créé par la communauté des historiens de l’art et du papier [6]).

Par exemple, un dragon peut être appelé griffon ou basilique suivant les régions ou les lan- gues. De plus, pour certains filigranes, il est très difficile de leur appliquer une dénomina- tion car ils peuvent être incomplets ou au contraire être composés et élaborés de diverses parties très complexes. Finalement, ces anciennes encyclopédies de filigranes ne pos- sèdent tout simplement pas de description détaillée (à part une date ou un lieu) et ces fili- granes ont été recopiés manuellement de manière approximative et généralement pas à l’échelle 1:1. Pour ces diverses raisons, la recherche des filigranes basée sur le contenu des images, c’est-à-dire sur la forme des filigranes, devient un atout supplémentaire pour la détermination de filigranes similaires. Ces critères basés sur la morphologie du filigrane peuvent être globaux ou locaux [11]. Une liste de critères a été déterminée et pour chacun d’eux un algorithme à été créé pour leur extraction automatique à partir de l’image du fi- ligrane. Il existe actuellement environ une douzaine de différentes caractéristiques, comme par exemple la taille du filigrane, sa position par rapport aux pontuseaux, la dis- tance entre deux pontuseaux, la position et le nombre de régions principales composant le

filigrane, etc. La figure 4 nous montre quelques exemples de ces caractéristiques utilisées pour un filigrane représentant une tête de boeuf datant de 1483 et provenant de la région de Pau (selon [2]).

Figure 4: Caractéristiques calculés automatiquement à partir des filigranes. (a) Espa- cement moyen des fils de chaînes. (b) Distances séparant deux pontuseaux. (c) Posi- tionnement des régions les unes par rapport aux autres. (d) Croisements et jonctions.

(e) Nombre de régions.

4. Résultats

Actuellement, le système est capable de retrouver un ou plusieurs filigranes simi- laires à un étalon suivant diverses caractéristiques de base:

• description textuelle associée à chacune des images;

• caractéristiques précalculées basées sur le document global (espacement entre les chaînettes ou les pontuseaux);

• caractéristique des anciens papiers (grandeur, texture, origine);

• primitives calculées sur les filigranes (finesse du filigrane, nombre et position des régions les plus importantes);

• forme morphologique du filigrane.

La recherche s’effectue sur l’une ou l’autre de ces primitives et elles peuvent être combinées. La recherche textuelle ainsi que la recherche sur des primitives simples peut être calculée en temps réel, c’est-à-dire en moins d’une seconde. Par contre, la recherche basée sur la forme morphologique du filigrane est une opération complexe du point de vue calcul [11]. Cet algorithme est basé sur une opération de convolution entre l’image de re- cherche et une table de hashing bidirectionnelle. La table de hashing regroupe dans une même structure tous les filigranes, les points d’accès à la table étant le contour des fili- granes. La figure 5 nous montre un exemple de recherche de filigranes similaires possé- dant un cercle de même diamètre (seules les quatre premières meilleures images ont été affichées). Cet algorithme de recherche est aussi implémenté sur une machine multi-pro- cesseurs, accessible depuis une station de travail standard grâce à l’environnement PVM;

ainsi le temps de recherche descend en deçà de la minute [10].

d₁ d₂

d₃

9 2

3 4 6 5 7

8

(a)) (b)) (c)) (d)) (e))

1

Figure 5: Recherche de filigranes selon la forme. (a) Image de recherche tracée à la main. (b,e) Images originales retrouvées possédant cette même forme.

5. Interface

De nos jours, le succès commercial d’un logiciel dépend étroitement de l’interface qui doit être simple et conviviale. Nous avons opté pour une interface fonctionnant sous un butineur (browser) commercial (Netscape ou Microsoft Internet Explorer) permettant ainsi l’accès à nos données à travers le réseau mondial Internet. Actuellement, l’utilisateur a accès, pour la consultation, à plus de 3.000 images de filigrane accompagnées d’une des- cription détaillée [13]. Une page principale a été construite permettant la recherche aisée de filigrane basée sur des primitives similaires. Il existe pour le moment six primitives dif- férentes permettant la recherche active de filigrane: la hauteur et la largeur du filigrane, la date d’origine, l’espacement entre les chaînettes, le nom de la classe principale selon les conventions utilisées par Briquet et finalement la recherche textuelle sur la description du filigrane. Ces diverses primitives peuvent évidemment être combinées pour permettre une recherche plus ciblée. Par exemple, il est possible d’effectuer une requête dans la base de données pour retrouver les filigranes ayant une largeur de 2,5 cm et comme origine Ge- nève. Le résultat de cette requête est affiché sur la figure 6.d, où cinq filigranes satisfaisant à cette description ont été retrouvés.

Il existe aussi la possibilité de retrouver des filigranes en utilisant le code IPH défini par [6]. Ce code a été proposé par l’Association Internationale des Historiens du Papier, et définit chacun des filigranes par un code unique basé sur la signification historique du fi- ligrane. Ce code est hiérarchisé, permettant d’effectuer une classification arborescente.

Par exemple, les filigranes représentant l’Aigle de St-Jean sont classés sous Aigle puis Oi- seaux. Ces différents codes associés aux classes peuvent être accédés pour le moment en trois langues (français, anglais et allemand) et sont parcourus au travers des HyperLinks de Netscape. Une nouvelle version de cette classification est actuellement en cours d’éla- boration incluant de nouvelles langues (espagnol, italien) ainsi que la possibilité de décrire des documents arabes ou asiatiques. Le module de recherche automatique accepte dans ce cas la description supposée du filigrane (nom de la classe) et retourne toutes les pages pos- sédant ce mot-clef. Il est à remarquer que pour les visiteurs, la possibilité d’éditer, de dé- truire ou bien de rajouter de nouvelles données a été verrouillée.

(a) (b) (c) (d) (e)

Figure 6: (a) Page principale pour accéder à la librairie digitale. (b) Page principale pour accéder aux codes IPH. (c) Page de recherche acceptant les diverses clefs d’in- dexation. (d) Liste des filigranes retrouvés selon une certaine requête accompagnés de leur description.

6. La base de données

Les images des filigranes ainsi que leurs descriptions sont stockées dans une base de données relationnelle commerciale. Cette base de données (Illustra de la société Infor- mix) permet de sauvegarder des structures complexes telles que des images, du son ou de la vidéo ainsi que des fichiers textes de formats différents (format Word, ou bien directe- ment des pages HTML). Ce logiciel offre de plus la possibilité de rajouter de nouvelles structures complexes ainsi que les moyens d’y accéder (nommé DataBlade). Notre base de données est donc construite autour d’une nouvelle DataBlade permettant l’accès aux données en utilisant l’interface fournie par Netscape.

La base de données pour le Musée Suisse du Papier contient actuellement deux tables principales: la table contenant tous les éléments concernant les filigranes et la table décrivant les codes IPH. Pour chaque filigrane, on stocke son image en noir/blanc d’une taille moyenne d’environ 30 Kbytes, l’image en niveaux de gris du recto et du verso du papier qui contient le filigrane (taille qui peut aller jusqu’à 8 Mbytes), les différentes ca- ractéristiques calculées sur le filigrane et la description textuelle détaillée du filigrane et du papier. Sans la digitalisation recto/verso du papier, une taille approximative moyenne d’environ 100 Kbytes est nécessaire pour la sauvegarde d’un seul filigrane.

En ce qui concerne les tables IPH, il en existe actuellement 85 par langue ayant cha- cune une taille moyenne de 235 bytes, faisant un total de 20 Kbytes.

7. Conclusion

Un système permettant l’archivage, la distribution, la description ainsi que la re- cherche de filigranes a été présenté. Une étude complète permettant la description exacte des documents anciens a été effectué par le Musée Suisse du papier à Bâle. Cette descrip- tion textuelle permet de spécifier la forme du papier, le filigrane, le moulin à papier, les papetiers, etc.

La base de données actuelle contient plus de 3.000 images de filigrane ainsi que leur description partielle. Le système final devrait contenir à peu près 600.000 filigranes avec leur description complète. Une digitalisation des filigranes les plus courants est actuelle- ment en cours. Environ une dizaine de filigranes sont digitalisés par jour manuellement

(a) (b) (c) (d)

avec pour chacun d’eux une description complète et détaillée.

Cette étude fait partie d’un projet concernant la distribution électronique de docu- ments à travers le réseau Internet, incluant des protections au niveau du transport de l’in- formation, un moyen électronique de paiement ainsi qu’une sécurité lors de la distribution d’images en y incluant un filigrane électronique [14].

La réalisation du projet KRYPICT formera le point de départ pour un projet d’éta- blissement d’une base de données de filigranes européenne, projet esquissé lors d’un col- loque international à Bad Homburg [23]. Il s’agirait en premier lieu, de digitaliser des filigranes déjà publiés dans les oeuvres connus (p. ex. Briquet [2], Piccard[24]) et d’am- plifier ensuite la base de données par des filigranes digitalisés par scanning en provenance des grandes collections européennes (p. ex. Leipzig, Stuttgrat, Bâle, La Haye).

8. Références

[1] P. Alshuth, Th. Hermes, Ch. Klauck, J. Kreyß, M. Röper, “IRIS - Image and Video Retrieval”, Proc. of CASCON 96, Toronto, Ontario, Canada, 12-14 Nov. 1996.

[2] C. M. Briquet, “Les filigranes”, Dictionnaire historique des marques de papier dès leur appa- rition vers 1282 jusqu'en 1600, Tome I à IV, Deuxième édition, Verlag Von Karl W. Hierse- mann, Leipzig 1923.

[3] Adresse pour la page principale de la société Excalibur: http://www.excalib.com/contents.ht- ml

[4] M. Flickner, H. Sawhney, W. Niblack, J. Ashley, Q. Huang, B. Dom, M. Gorkani, J. Hafner, D. Lee, D. Petkovic, D. Steele, P. Yanker, “Query by image and video content: the QBIC sys- tem”, IEEE Computer, Special Issue: Finding the right image: Content-based image retrieval systems, V.N. Gudivada and V.V. Raghavan, Eds., September 1995, 23-32.

[5] A. Gupta, S. Moezzi, A. Taylor, S. Chatterhjee, R. Jain, M. Goldbaum, S. Burgess, “Content- based retrieval of ophtalmological images”, IEEE Signal Processing Society, ICIP 1996 In- ternational Conference on Image Processing, Lausanne, Switzerland, pp. 703-706, Sept. 16- 19, 1996.

[6] International Association of Papers Historians - IPH, International Standard for the Registra- tion of Watermarks, Provisional Ed., P.F. Tschudin, Ed., Riehen, Switzerland, 1992.

[7] P. Kelly, M. Cannon, “Query by image example: the CANDID approach”, SPIE, Vol. 2420, Storage and Retrieval for Image and Video Databases III, pp. 238-248, 1995.

[8] F. Del Marmol, “Dictionnaire des filigranes classés en groupes alphabétique et chronologiques”, Namur: J. Godenne, 1900. - XIV, 192 p., 1987.

[9] M. Martin, “SPIP: Search Picture In Pictures”, Université de Genève, Faculté des Sciences, Département d’Informatique, juin 1995.

[10] J. Raki, “Parallélisation de la recherche de filigranes”, Mémoire de licence, Université de Genève, Faculté des Sciences, Département d’Informatique, 90 pages, Février 1997.

[11] C. Rauber, P. Tschudin, S. Startchik and T. Pun, “Archivage et recherche d'images de fili- granes”, CNED'96, 4ème Colloque National sur l'Ecrit et le Document, Nantes, 3 juillet 1996.

[12] C. Rauber, P. Tschudin, S. Startchik and T. Pun, “Archival and retrieval of historical water- mark”, IEEE Signal Processing Society, ICIP 1996 International Conference on Image Pro- cessing, Lausanne, Switzerland, Sept. 16-19, 1996.

[13] Adresse pour la page principale: http://cuisun8.unige.ch/NSAPI/rauber/watermark, entrer avec le login ''guest_watermark'' et comme mot de passe ''guest_watermark''.

[14] J.J.K. Ó Ruanaidh, W.J. Dowling and F.M. Boland, “Watermarking Digital Images for Copy- right Protection”, IEE Proceedings on Vision, Signal and Image Processing, Vol 143, No. 4, August 1996.

[15] E. Saber, A. Murat Tekalp, “Integration of color, shape, and texture for image annotation and retrieval”, Proc. Int. Conf. on Image Proc., ICIP'96, Lausanne, Vol III, pp. 851-854, Sept. 16- 19, 1996.

[16] A. W. M. Smeulders, R. Jain, “Image Databases and Multi-Media Search”, Proceedings of the First International Workshop, IDB-MMS'96, Amsterdam, The Netherlands, Aug. 22-23,

1996.

[17] T. R. Smith, “A digital library for geographically referenced materials”, in Computer, pp. 54- 60, May 1996.

[18] D. Stewart, R. A. Scharf, J. S. Arney, “Techniques for Digital Image Capture of Watermarks”, Journal of Imaging Science and Technology, N. 30, 1995.

[19] P. F. Tschudin, “DOCSCAN und KRYPICT - zwei Basisprojekte der historischen Disziplin- en”, Vortrag anlässlich der Tagung des Fachausschusses für Papiergeschichte und Wasserze- ichenkunde des Vereins ZELLCHEMING und des 23.Kongresses der IPH in Leipzig, August/September 1996.

[20] Special Issue: Finding the right image: Content-based image, IEEE Computer, retrieval sys- tems, V.N. Gudivada and V.V. Raghavan, Eds., September 1995.

[21] J. R. Bach, C. Fuller, A. Gupta, A. Hampapur, B. Horowitz, R. Humphrey, R. Jain, C. Shu,

“The Virage Image Search Engine: An open framework for image management”, SPIE con- ference, Storage and Retrieval for Still Image and Video Databases IV, Feb. 1, 1996.

[22] Wenger E., Karnaukhov V., Haidinger A., Merzlyakov N., “Digital image analysis for dating of old manuscripts”, Image Analysis Applications and Computer Graphics. R. T. Chin, H. H.

S. Ip, A. C. Naiman, T.-C. Pong, eds., Lecture Notes in Computer Science 1024, pp. 522-523, Springer, Berlin, 1995.

[23] K. Dürschner, Bericht über das Colloquium Online-Datenbank zur Wasserzeichener- schliessung, Bad Homburg, International Paper History 5, pp. 24-32, 12-14 juin 1995.

[24] G. Piccard, Findbücher, Veröffentlichungen der staatlichen Archivverwaltung Baden-Würt- temberg, Sonderreihe: Die Wasserzeichenkartei Piccard im Hauptstaatsarchiv Stuttgart, Stuttgart 1961 ff.