Recherche d'image par le contenu
Gelose | Tous les portails | Portail Medecine | Portail Biologie | Portail Biochimie | Portail Microbiologie | Portail Ecologie | Portail Botanique | Biologie cellulaire | Portail Zoologie | Science de la terre | Portail Eau |
 Inscrivez votre site en haut de cette page Soumission direct par Allopass, obtenez 1 lien de qualite en haut de cette page Recherche d--image par le contenu ainsi que sur la page des nouveaux sites inscrits pour seulement 20 euros!
|
Cet article (ou cette section) est à recycler. Sa qualité peut être largement améliorée en le réorganisant et en le clarifiant.
L'utilisateur qui appose ce bandeau est invité à énoncer les points à améliorer en page de discussion.
Sommaire |
[] Description
La recherche d'images par le contenu, en anglais : Content Based Image Retrieval (CBIR), est une technique visant à effectuer des recherches d'images à l'aide de requêtes portant sur les caractéristiques d'une image.
L'avantage de la recherche d'image par le contenu, c'est que l'utilisateur peut soumettre une image comme critère de recherche. En effet, les systèmes CBIR sont capables d'extraire eux-même les caractéristiques à rechercher.
[] Principes
Cette technologie se distingue des moteurs de recherche traditionnels d'image. Ces derniers utilisent généralement deux techniques :
- Une recherche contextuelle par mots clés (tels que Google [1] ou Altavista [2] ).
- Une recherche par mots clés manuellement associés aux images indexées.
Les CBIR tentent, à l'inverse, de permettre une recherche d'image portant sur les caratéristiques de l'image :
- la texture,
- la couleur,
- le pourcentage de couleur,
- les formes,
- une combinaison de plusieurs de ces caractéristiques.
Ces caractéristiques sont dites de bas-niveau, car elles sont très proches du signal, et ne véhiculent pas de sémantique particulière sur l'image. Une fois ces caractéristiques extraites, la suite consiste généralement à définir diverses distances entre ces caractéristiques, et de définir une mesure de similarité globales entre deux images. Armés de cette mesure de similarité et d'une image requête, on peut alors calculer l'ensemble des mesures similarités entre cette image requête et l'ensemble des images de la base d'images.On peut alors ordonner les images de la base suivant leur score, et présenter le résultat à l'utilisateur, les images de plus grand score étant considérées comme les plus similaires.
Du fait des caractéristiques calculées, qui sont de bas-niveau, ces techniques obtiennent des résulats satisfaisant pour certains types de requêtes et certains types de base d'images. Par exemple rechercher des images de paysages enneigés, parmi une base d'image de paysages.
Toutefois ces systèmes rendent souvent des réponses extravagantes, et souvent éloignées de l'idée qu'vait l'utilisateur lorsqu'il a soumit sa requête.
Ce genre de système permet aussi de rechercher des images sans forcément avoir une image requête, par exemple rechercher des images plutôt bleues, ou alors dessiner une forme et demander de chercher toutes les images qui possèdent un objet de forme similaire.
Il existe plusieurs prototypes implémentant ce genre de techniques. Le domaine fait toutefois encore partie de la recherche et n'est pas encore mature.
[] Problèmes de performances
L'analyse d'images selon les différentes caractéristiques est très coûteuse en terme de performances. C'est pour cette raison que les systèmes CBIR extraient les caractéristiques d'une image, les stockent et les indexent à l'intérieur d'une base de données. La recherche sur des caractéristiques extraites étant beaucoup plus rapide.
[] Applications
Cette technologie est actuellement intéressante pour la recherche de données sur l'imagerie médicale, ou cartographiques.