H2PTM (2011) Barrat

Utilisations de méthodes à base de points d'intérêts pour l'analyse d'images urbaines

---

 
 

H2PTM'11 Metz Titre Utilisations de méthodes à base de points d'intérêts pour l'analyse d'images urbaines Auteurs Sabine Barrat(i,ii), Nicolas Sidère(i,ii), Jean-Yves Ramel(i,ii), Sylvette Denèfle(i,iii), Alain Salamagne(i,iv) et Pascal Garret(i,iii) Affiliations (i) Université François-Rabelais (France) {barrat, sidere, ramel,denefle,salamagne,garret}@univ-tours.fr (ii) Laboratoire d’Informatique 64 avenue Jean Portalis, 37200 Tours (iii) Maison des Sciences de l'Homme de Tours UMS CNRS 1835, 33, rue Ferdinand de Lesseps - BP 60449 37204 TOURS CEDEX 3 (iv) CESR 59, rue Néricault-Destouches - BP 11328 37013 Tours Cedex 1 Dans actes du colloque H2PTM 2011 Metz publié dans H²PTM11 : Hypertextes et hypermédias - Produits, Outils et Méthodes: Hypermédias et pratiques numériques

Résumé

Dans cet article, nous proposons une méthode à base de points d’intérêts pour l’analyse de documents iconiques urbains. Ces travaux s’inscrivent dans le cadre du projet Crévilles de la MSH, dont l’objectif est de mettre à disposition et de valoriser différentes bases d’images urbaines. Les bases disponibles sont complexes, de part leur taille, la diversité des images (plans, photographies de façades, de détails, etc.) et leurs caractéristiques (taille, qualité, conditions de prises de vues, …). Cette masse de données hétérogène soulève un besoin en indexation automatique d’images, synonyme d’une navigation aisée et de recherche d’information pertinente.

C’est pourquoi nous proposons différents outils d’analyse d’images adaptés à ces bases : une méthode de clustering, permettant de regrouper dans des mêmes classes des images similaires, des méthodes de recherche d’images, une méthode d’indexation sémantique d’images, et une application mobile.

Pour ce faire, nous avons choisi de « détourner » des méthodes à base de points d’intérêts, couramment utilisées en traitement et indexation d’images naturelles. Ces méthodes nous permettent d’obtenir une signature par document. Grâce à des mesures de similarité entre signatures, il est alors possible de déterminer quelles images sont similaires, permettant ainsi une classification et une interrogation de la base.

Les résultats préliminaires obtenus sur cette base sont encourageants et montrent que les méthodes à base de points d’intérêts peuvent être utilisées sur des images urbaines et à des fins d’applications diverses.

Mots-clés 

Indexation, recherche d’images, clustering, points d’intérêts, SIFT, applications mobiles.