[PDF] Indexation dimages par contenu (1) - Content Based Image

View - Download Indexation dimages par contenu (1) - Content Based Image

Previous PDF

Next PDF

Indexation d'images par contenu (1)

Content Based Image Retrieval (CBIR)

A. ELHASSOUNY

GL

ENSIAS

Master B2dS

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 1 / 52 PLAN

1Indexation d'image par contenu (CBIR)

Principe de CBIR

Qu'est-ce qu'une image ?

2Descripteurs d'image

Types de descripteurs

Descripteurs globaux

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 2 / 52 Indexation d'image par contenu (CBIR)Principe de CBIR CBIR

Descripteurs globaux

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 3 / 52 Indexation d'image par contenu (CBIR)Principe de CBIR

CBIR : Principe

Hors-ligne : IndexationCalcul des signatures (indices) de description pour toutes les images de la base A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 4 / 52 Indexation d'image par contenu (CBIR)Principe de CBIR

CBIR : Principe

En-ligne : Recherche1Calcul designaturepour l'image inconnue (image requ^ete)2Mesure desimilaritede la signature de l'image inconnue avec les

indices de la base3Resultat : adresse des meilleures images au sens de la mesure de similarite A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 5 / 52 Indexation d'image par contenu (CBIR)Principe de CBIR

CBIR : Principe

A denir ?SoientB=fXi=f(Ii);1<=i<=ngetX0=f(I0) les signatures

des imagesIiet de l'image requ^eteI0respectivementMesure de similarite (exp: distance euclidienne) entre descripteurs

d(Xi;X0)Resultat :R=fIi=d(Xi;X0)< g

ce qui necessiteChoix d'un espace de representation et d'undescripteur(fonction)Calcul designaturede l'imagedans cet espaceDenition d'unemesure de similarite (distance)dans cet espaceA. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 6 / 52

Indexation d'image par contenu (CBIR)Qu'est-ce qu'une image ? Image Image numeriqueImage numerique: C'est une matrice deNMpixels (picture element) correspondant a l'echantillonnage et la quantication d'un signal acquis avec un capteur A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 7 / 52 Indexation d'image par contenu (CBIR)Qu'est-ce qu'une image ?

Image numerique

Format d'imageImage a niveaux de gris (intensite ou luminance) Chaque pixel est code surNbits, ce qui lui confere des valeurs entieres comprises entre 0 (noir) et 2

N1 (blanc).Image couleur

Une image couleur correspond a la synthese additive de 3 images,

rouge, vert et bleu. Chaque pixel est donc code sur 3Nbits.A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 8 / 52

Indexation d'image par contenu (CBIR)Qu'est-ce qu'une image ?

Image numerique

Image a niveaux de gris

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 9 / 52 Indexation d'image par contenu (CBIR)Qu'est-ce qu'une image ?

Image numerique

Image couleurImage couleur

3 grilles de valeurs, 1 grille par composante de couleur

RGB : 8 bits de quantication pour chaque couleur

)24 bits par pixels (pixel=element du support du signal)OpenCV : manipulation des images A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 10 / 52

Descripteurs d'imageTypes de descripteurs

Descripteurs d'image

TypesDescription globale de l'image : Description approximative de toute l'imageConsidere l'image dans son ensemble Caracterise l'image en utilisant des statistiques calculees sur l'image entiere.Une description moins ne de l'image notamment de recherche des objets.Description locale de l'image Considere l'image comme composee d'un ensemble d'objets. Detection de points d'inter^et et calculs eventuels d'invariants autour de ces points d'inter^etDescription specique (essentiellement biometrie)

Empreintes digitales : Minuties

Visages : EigenFaces

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 11 / 52

Descripteurs d'imageTypes de descripteurs

Descripteurs d'image

Types de caracteristiquesCaracteristiques globaux

Couleur

Forme

Texture

Caracteristiques locales

Points d'inter^ets

Regions d'inter^ets

Caracteristiques speciques

EigenFaces

Minuties

Extraction de caracteristiques (signatures) visuelles (visual features extraction) consiste en des transformations mathematiques calculees sur les pixels d'une image numerique. A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 12 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

Indice visuel couleurQuelle est la couleur de cette pomme?

Alors...Couleur est une propriete d'objet

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 13 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

Indice visuel couleurHypothese:si deux images partagent des couleurs similaires alors

egalement leur contenu peut ^etre similaireExemple:coucher de soleil (orange, jaune)a denir :Espaces de couleur(systemes de representation des couleurs)Descripteurs couleur : Moments de couleur, Histogramme

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 14 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

Les systemes de representation des couleursKunt et al. a demontre qu'en combinant trois longueurs d'ondes

particulieres, il est possible de synthetiser presque toutes les couleurs existantes.En traitement d'images, les systemes les plus couramment utilises sontSystemes de primaires le systeme (R,G,B) le systeme (C,M,Y) le systeme (X,Y,Z)

Systemes luminance-chrominance :

les systemes uniformes de la CIE (L*,a*,b*) et (L*,u*,v*) les systemes de television (Y,I,Q) et (Y,U,V) les systeme (HSV) et (HLS)

Systemes d'axes independants :

le systeme d'Ohta (I1,I2,I3) ou un systeme obtenu par ACP,

OpenCV : conversion entre espace de couleurs

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 15 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

Moments de couleurla moyenne, moment d'ordre un :,m1=E(I)la variance, moment centre d'ordre deux : V(I),2=E[(I)2], ainsi que sa racine carree l'ecart type :,pV(I) =p

2le coecient d'asymetrie, moment centre reduit d'ordre trois :

1,1=E"

I

3#le kurtosis non normalise, moment centre reduit d'ordre quatre :

2=E" I

4#A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 16 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

Moments de couleur : couleur moyenneLa valeur moyenne (dans l'espace RGB): somme des valeurs RGB de tous les pixels, normaliser par le nombre de pixels R avg=1NMN X i=0M X j=0R(i;j);Gavg=1NMN X i=0M X j=0G(i;j) B avg=1NMN X i=0M X j=0B(i;j)Comparaison de deux imagesxetypar la couleur moyenne en utilisant la distance euclidienne d

2avg(x;y) = (RavgxRavgy)2+ (GavgxGavgy)2+ (BavgxBavgy)2OpenCV : moments de couleur (couleur moyenne)

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 17 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

CBIR : Moments de couleurQsignature (moment de couleur) d'une image requ^eteIQB=fXi(1

l'image requ^ete ?Quelles sont les images similaires aQ? sontXitels qued(Q;Xi)"": seuil determiner par l'utilisateurA. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 18 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

CBIR : Moments de couleurLimites :

Mesure de similarite non precise

Par exemple, l'image violette et l'image rouge-bleu sont les m^eme selon la moyenne de couleurMais

Rapide et facile a calculer et comparer

Meilleur pour l'utiliser comme un ltre: exclure images

Couleur dominante in

uence la moyenne de couleur A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 19 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

CBIR : Moments de couleurExemple : rechercher des images surtout jaunes : exclure toutes les images avec des moyennes rouge, bleu ou verte A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 20 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

HistogrammeL'histogramme est une fonctionHist(i) permettant de donner la frequence d'apparition des dierents niveaux de gris(couleur)iqui composent l'imageEn abscisse on represente les niveaux de gris (couleur) et en ordonnee leurs frequences d'apparitionL'histogramme des niveaux de gris (couleur) nous informe sur la concentration de l'imagePour une image couleur, il y a un histogramme par composante A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 21 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

HistogrammeFonction discrete [0;L1]Hist(i) =ni= ton de grisn= nombre de pixel de toniA. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 22 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

CBIR : HistogrammeL'intersection d'histogrammes

OpenCV : histogramme

A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 23 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

CBIR : HistogrammeDistance du Minkowski

Soient h1 et h2 deux histogrammes

La distance de Minkowski avec le parametre r:

d r=X i2Cjh1(i)h2(i)jrLa distance entre une image rouge et une image rouge vif est la m^eme

que entre une image rouge et image bleuLimite dans le cas de changements de couleur parce que toutes les

colonnes sont comparees individuellement A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 24 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

CBIR : HistogrammeDistance quadratique

Evaluer la relation entre les dierentes couleursSoit A une matrice qui exprime la similarite des paires entre la couleuri

et la couleurj(ai;i= 1 etai;j=aj;i): d

A(h1;h2) = (h1h2)TA(h1h2)

kX j2Ck X i2C(h1(i)h2(i))((h1(j)h2(j))Autres distances : la distance de Mahalanobis, Chi2 A. ELHASSOUNY (GL ENSIAS)Indexation d'images par contenu (1)Master B2dS 25 / 52

Descripteurs d'imageDescripteurs globaux

Descripteurs de couleur

CBIR : HistogrammeProblemes

choix de la representation de la couleur distance entre couleurs

Limites

Indice visuel insusant si utilise seul, car insusamment discriminant : pomme rouge vs FerrariAvantages des histogrammes Robuste a certaines transformations geometriques de l'image Remarque : une image en noir et blanc sut a un humain pourquotesdbs_dbs16.pdfusesText_22

[PDF] cours indexation image

[PDF] indexation d'images par le contenu

[PDF] recherche d'image par contenu visuel

[PDF] comment indexer une image

[PDF] indexation images

[PDF] indexation et recherche d'images

[PDF] descripteurs d'images

[PDF] la bastille paris

[PDF] la bastille 1789

[PDF] qu'est ce que la bastille

[PDF] multiplication a trou cm2

[PDF] bastille place

[PDF] la bastille aujourd'hui

[PDF] soustraction a trou cm2

[PDF] bastille arrondissement