next up previous
suivant: Introduction

Rehaussement de la classification textuelle d'images
par leur contenu visuel
 
Enhancement of textual images classification
using their visual content

Sabrina Tollari, Hervé Glotin, Jacques Le Maitre
Laboratoire SIS - Equipe informatique
Université de Toulon et du Var
Bâtiment R, BP 20132
F-83957 La Garde cedex
{tollari,glotin,lemaitre}@univ-tln.fr

{tollari,glotin,lemaitre}@univ-tln.fr

PDF PS PPT DIGEST BIB

Résumé

Cet article décrit une expérience ayant pour objectif de tester l'existence d'une cohérence entre l'indexation textuelle (un ensemble de mots-clés) d'une image et son indexation visuelle (attributs de couleurs et de formes). Cette expérience a été menée sur un corpus de photos de presse indexées manuellement par un ensemble de mots-clés extraits d'un thésaurus structuré hiérarchiquement. Elle a consisté à établir une classification de référence de ces photos à partir de leur indexation textuelle, considérée comme pertinente, puis à construire des indices textuels et visuels caractérisant ces classes et enfin à utiliser ces indices pour évaluer les performances obtenues par une recherche d'images combinant description textuelle et description visuelle. Nous obtenons par cette fusion 54% de gain de classification par rapport à l'information textuelle seule. Enfin, nous discutons d'une application sur un moteur de recherche d'images.

Mots clés

Recherche d'information, recherche d'images par le contenu, classification, modèle vectoriel, indexation, multimédia, distance de Kullback-Leibler.

Abstract

This paper deals with the existence of a dependance between the textual indexation (a set of keywords) of an image and its visual indexation (color and shape attributes). This experience has been realized on a corpus of news photos manually indexed by keywords extracted from a hierarchically structured thesaurus. First, a reference classification of these photos has been constructed from their textual indexation (regarded as relevant), then textual and visual features characterizing these classes have been constructed. Finally, they have been used to evaluate performances of a content-based image retrieval combining textual and visual description. Results of the visual-textual classification show an improvement of 54% against classification of textual information. Finally, we discuss on an application to an image search engine.

Keywords

Information retrieval, content-based image retrieval, classification, vectorial model, indexation, multimedia, Kullback-Leibler distance.


next up previous
suivant: Introduction
Sabrina Tollari 2003-11-14