La découverte des concepts sémantiques cachés avec plusieurs niveaux d’abstraction pour la recherche d’images

Abstract

Les images numériques constituent une source d’informations très expressive, et qui joue un rôle très important dans des nombreuses activités humaines. Par conséquence, Avoir des volumes croissants des bases d’images est un résultat naturel. A cet effet, et pour assurer une exploitation efficace des images par des machines, leur description est une tâche qui s’impose. Sinon, ces images peuvent demeurer pratiquement inexploitables et impossible de les retrouver et utiliser efficacement. L’annotation des images est un domaine de recherche très actif. Elle consiste à désambiguïser et interpréter les images pour des traitements automatiques variés tels que : la recherche et la classification. Les travaux autour de ça, on s’intéressés par deux problématiques : comment faire cette description ? Et par quoi faire ? Dans le cadre de notre travail nous somme intéressé, pour répondre à la première problématique, par la proposition et l’implémentation d’une méthode d’annotation semi-automatique. Ainsi que, pour répondre à la deuxième problématique, nous avons opté pour l’annotation sémantique à base d’ontologie pour profiter de la richesse sémantique quelle présente. Nous avons choisis la nature comme domaine pour notre ontologie orienté terminologie. Notre travail d’annotation semi-automatique consiste à : - Segmenter chaque image de la base en des régions. Afin de pouvoir, par la suite, connaitre ses constituants. - Faire une annotation manuelle d’un échantillon de régions par des concepts. De telle sorte que nous couvrirons tous les concepts sémantiques. - Ensuite, procéder l’annotation automatique pour le reste des régions par propagation de concepts sémantiques en se basant sur des mesures de similarité visuelles entre régions. Et enfin, nous récupérons les concepts de chaque image, en fonction de ses régions.