Extraction de zones d’intérêts dans une image de textures Rapport de stage Giap Nguyen (giap.nguyen@univ-lr.fr) Encadrant : Mickaël Coustaty (mickael.coustaty@univ-lr.fr) Jean-Marc Ogier (jean-marc.ogier@univ-lr.fr) Laboratoire : Laboratoire Informatique, Image et Interaction (L3I) Université de La Rochelle 30 août 2009 TIEU LUAN MOI download : skknchat@gmail.com Remerciements Je tiens tout d’abord à remercier les professeurs d’informatiques et de français de l’Institut de la Francophonie pour l’Informatique (IFI) qui nous ont dispensés les cours pendant mes années de Master. Je souhaite également remercier mes encadrants de stage, M. Jean-Marc Ogier et M. Mickaël Coustaty, pour leur aide précieuse et leurs encouragements.
Enfin, je voudrais remercier les personnes du L3i pour leur sympathie et leur accueil. i TIEU LUAN MOI download : skknchat@gmail.com Résumé Ce travail se concentre sur l’extraction de zones d’intérêts dans les lettrines (images de lettre décorées), qui se trouvent dans les documents anciens conservés dans des bibliothèques, des musées et des archives publiques. Notre objectif principal est de développer une méthode de segmentation de textures dans les lettrines. Les images que nous traitons sont obtenues par pression d’un tampon sur une feuille, et sont donc composées de traits.
Pour cette raison, nous proposons une méthode reposant sur l’extraction et l’analyse de traits. Pour cela, nous extrayons d’abord des traits et les caractérisons. Les caractéristiques utilisées sont l’orientation, l’épaisseur et la courbure. Ensuite, une distance propre est précisée pour mesurer la similarité entre des traits.
Enfin, nous utilisons une classification hiérarchique pour classer ces traites. Les traits voisins similaires sont groupés dans un segment. Mots-clés: Reconnaissance des formes, indexation d’images, segmentation, signa- tures texturelles, signatures structurelles et topologiques. Abstract This work focuses on the extraction of interesting zones in drop caps (images of decorated letter), which can be found in historical documents.
These documents are conserved by the libraries, the museums and the public archives. Our principal objective is to develop a texture segmentation method for drop caps. Drop caps were obtained by pressure of a stamp on paper, and therefore, contains strokes. Because of that, we suggest a stroke base method for drop caps segmentation.
Firstly, we extract each stroke and get its features. The features used in our method are orientation, thickness and curvature. After that, a distance is defined to measure the similarity between the strokes extracted. Finally, we use the hierarchic classification to classify the strokes.
In our results, the neighbor similar strokes will be grouped in a segment. Keywords: Pattern recognition, image indexing, segmentation, textural features, structural and topological features ii TIEU LUAN MOI download : skknchat@gmail.com Table des matières Remerciements i Résumé ii Abstract ii Table des figures v Liste des tableaux vii 1 Introduction 1 1.5 Environnement de stage. 4 2 État de l’art 5 2.2 Extraction de caractéristiques de textures .1 Matrice de co-occurrence .2 Fonction d’auto-corrélation .3 Méthodes basées modèle .5 Le diagramme de Voronoı̈ .3 Segmentation et classification de textures .1 Segmentation de textures .2 Classification de textures. 17 3 Segmentation de textures de lettrines 18 3.1 Caractéristiques de lettrines.
18 iii TIEU LUAN MOI download : skknchat@gmail.2 Procédure de la segmentation de textures de lettrines .4 Extraction des traits .1 Détermination de couleur de traits .3 Transformée en distance .5 Caractérisation des traits .6 Classification des traits .2 Construction d’arbre de grappes .7 Segmentation des traits .2 Description de texture d’une image .1 L’environnement d’implémentation. 43 Bibliographie 45 iv (LUAN.textures TIEU LUAN MOI download : skknchat@gmail.textures Table des figures 1.1 Matrice de co-occurrence .3 La dimension fractale .4 Filtre de Gabor .5 Le diagramme de Voronoi .6 La triangulation de Delaunay .7 Divise and conquer .4 La couleur de traits .5 La couleur de traits .7 La transformation en distance .8 Les pixels de candidat .12 Transformée de Radon .13 Projection d’un angle Θ dans la transforme de Radon .14 Exemple d’orientation des traits .15 La courbure de traits .16 La vision humaine sur la longueur .17 La longueur relative du trait .18 La construction d’arbre .19 Les distances de groupage .20 La territoire de traits .21 Une catégorie de texture dans une image .1 Découpage de la lettre H .2 Erreur de fusion des traits .textures TIEU LUAN MOI download : skknchat@gmail.1 La répétition des primitives .2 La répétition des graviers .textures TIEU LUAN MOI download : skknchat@gmail.textures Liste des tableaux 2.1 Indices de matrice de co-occurrence .1 Procédure de segmentation de textures de lettrines .2 La structure de données de texture d’images .3 L’exemple de la description de texture .textures TIEU LUAN MOI download : skknchat@gmail.textures Chapitre 1 Introduction 1.1 Problématique Aujourd’hui, nous pouvons trouver facilement des applications de l’informatique dans la plupart des domaines de la vie. Dans les domaines qui ré-exploitent des documents, en particulier, avec des grosses masses de document, l’informatique s’ex- prime comme un outil très utilisé. Dans ce contexte, le traitement d’image fait une grande contribution.
Il réalise automatiquement des traitements sur les images : analyse, caractérisation, détection des informations intéressantes, segmentation des zones homogènes,. Ces résultats nous permettent de développer des applications d’indexation ou celles de recherche basées sur le contenu d’image. Ce stage s’intègre dans le projet NAVIDOMASS 1. Le but de celui-ci est de créer un outil qui permette d’indexer des images par le contenu pour faciliter le travail des historiens.
Les images que nous traitons sont des lettrines (images de lettre dé- corées) (les images de la figure 1.1) sont difficiles à traiter et à reconnaı̂tre de part la masse d’informations qu’elles contiennent. Cette information est difficile à isoler et à segmenter.1 – Lettrine 1 NAVigation Into DOcument MASSes - Navigation dans des masses de documents (http ://l3iexp.fr/navidomass/) 1 (LUAN.textures TIEU LUAN MOI download : skknchat@gmail. Motivation Pour indexer des images par le contenu, nous devons faire d’abord l’étude du contenu de l’image. Cette étude peut correspondre simplement à l’extraction de ca- ractéristiques globales, comme l’histogramme des couleurs par exemple.
Cependant, ce type de caractéristique n’est pas suffisant et l’indexation d’images ne donne pas de résultats satisfaisant. C’est pourquoi nous avons pensé à extraire des caractéris- tiques de différentes zones de l’image. Cela pose encore une fois un autre problème qui n’est pas toujours facile à résoudre : la segmentation d’images. Il est couramment utilisé des critères de similarité pour segmenter l’image en zones.
Par exemple, nous pourrions utiliser le niveau gris comme critère. Dans le cas d’images de documents anciens, le niveau gris de chaque zone segmentée varie faiblement et toutes les zones semblent homogènes, ce qui ne donne pas de résultats intéressants. Pour améliorer la segmentation, nous avons cherché à utiliser d’autres caractéristiques d’image, et en particulier, nous avons principalement étudié la tex- ture puisqu’elle est une caractéristique très particulière des différentes zones. Les textures présentes sur des lettrines sont différentes des textures classiques de part la nature même des images.
Elles sont des images obtenues par impression d’un tampon sur une feuille, et sont donc composées de traits. Il est donc nécessaire de ré-explorer les méthodes de la littérature, pour les adapter ou même de trouver des nouvelles méthodes.2 Motivation Les méthodes de segmentation de textures proposées dans la littérature pré- sentent souvent des limitations. Parmi ces méthodes générales, nous pouvons citer celles basées sur la matrice de co-occurrence [Haralick 73, Marc Bartels 05], ou re- posant sur des filtres de Gabor [Dunn 98, Teuner 95, Dunn 95]. D’autres méthodes ont été élaborées pour des textures particulières, comme les textures répétitives ou naturelles.
Bien que ces méthodes fonctionnent assez bien dans les expérimentations, les résultats obtenus en application réelle sur nos images ne sont pas satisfaisants. Chaque type de texture a des caractéristiques particulières, auxquels il faut associer des méthodes adaptées. Les lettrines sont des images composées de traits (la figure 1. Pour les seg- menter convenablement, il conviendra d’extraire les traits qui les composent.
Ce stage propose une méthode qui calcule des statistiques sur les traits qui composent la texture des lettrines. Cette approche diffère des approches classiques qui opèrent généralement au niveau des pixels. Les méthodes de segmentation à base de calcul de primitives sur des textures présentent deux grands avantages : – Analyse la texture de manière similaire à la vision humaine. Les opérations réalisées au niveau des pixels ne collent pas directement à la vision humaine, contrairement à notre approche qui repose sur des calculs de statistiques et des comparaisons au niveau de primitives textures.
– Diminuer le temps de calcul dans la phase de classification, puisqu’il n’est plus 2 (LUAN.textures TIEU LUAN MOI download : skknchat@gmail. Objective nécessaire de comparer les pixels un-à-un mais plutôt des traits entre eux. De plus, nous pouvons être sur que le nombre de primitives texture est beaucoup plus petit que celui des pixels. Donc le nombre de comparaison, dans la phase de classification ou de segmentation, est diminué.
Cette approche repose donc sur une étape clef, qui consiste tout d’abord à ex- traire les primitives de texture.3 Objective Le but de ce stage est de chercher une méthode pour segmenter les textures dans les lettrines. Une lettrine contient plusieurs textures réunies en plusieurs zones, et ce stage consiste à trouver un plus petit nombre de zones satisfaisant la condition : ”une zone contient une seule catégorie de texture”. Le résultat de la segmentation d’une image nous donnera donc un ensemble de zones homogènes. Pour arriver à notre objectif, nous devons identifier des caractéristiques propres aux textures des lettrines.
La seconde étape consiste alors à définir une procédure pertinente associée à ces caractéristiques. Enfin, ce stage doit également privilégier l’exactitude aux temps de calculs. D’autre part, nous voulons proposer une structure qui représente l’image par des zones segmentées, elle reprend seulement des informations intéressantes des textures contenues dans une image. Cette structure facilite la démarche d’indexation et de recherche par le contenu.
Toutes les méthodes développées ont été testées sur une base de 916 images contenant des lettrines.4 Contribution La contribution de ce stage porte sur l’analyse et la segmentation des textures dans les lettrines. Ce travail doit faciliter et accélérer les travaux des historiens qui travaillent sur les lettrines [CESR 09]. Notre analyse des textures repose sur une nouvelle approche, basée sur l’extraction de primitives textures. Dans le cas des let- trines, ces primitives sont des traits, puisque présent dans toutes les lettrines.
Notre méthode pourrait également être utilisée sur d’autres types d’images contenant des textures avec le désir d’améliorer les résultats de travaux pré-existants, par exemple, nous pouvons utilisons la matrice de co-occurrence ou la fonction d’auto-corrélation pour faire la statistique sur des primitives.textures TIEU LUAN MOI download : skknchat@gmail. Environnement de stage 1.5 Environnement de stage Le stage est effectué au sein de l’équipe Imedoc 2 du laboratoire L3i 3 à l’uni- versité de La Rochelle en France. Créé en 1993, le laboratoire L3i comporte 80 cher- cheurs dont 34 permanents travaillant sur les domaines de l’Informatique, l’Image et leurs interactions. Le L3i est le laboratoire de recherche du domaine STIC 4 de l’Université de la Rochelle associant très efficacement les chercheurs de l’IUT 5 et du Pôle Sciences en informatique puisque la grande majorité des enseignants-chercheurs en Informatique et en Génie informatique de l’université de la Rochelle se retrouvent au sein du L3I.
En terme de politique scientifique, le laboratoire L3i est résolument tourné vers les réseaux de recherche régionaux (PRIDES 6 , ERT 7 ”Interactivité numérique”), nationaux et internationaux dans les secteurs de visibilité de son action scienti- fique, et notamment autour du flux vidéo (cinéma), de l’ingénierie documentaire et de l’interactivité numérique. Ceci est consolidé par une politique volontariste de participation ou de pilotage de projets de recherche labellisés (ANR 8 , PCRD 9 ,. Son action internationale est actuellement renforcée avec des liens privilégiés avec les centres de recherche tels que le CVC 10 de Barcelone, le laboratoire Regim de Sfax (Tunisie), le MSI 11 (Unité de l’IRD 12 ) et le MICA 13 (unité internationale du CNRS 14 ) d’Hanoı̈ (Vietnam) et l’Université de Kuala Lumpur (Malaisie).