7 jours d'essai offerts
Cet ouvrage et des milliers d'autres sont disponibles en abonnement pour 8,99€/mois

UNIVERSITE D’EVRY-VAL D’ESSONNE
Laboratoire d’Informatique, Biologie Int´egrative et Syst`emes Complexes
`THESE
Pr´esent´ee par
Rostom KACHOURI
Pour l’obtention du titre de
Docteur de l’Universit´e d’Evry-Val d’Essonne
Sp´ecialit´e:Sciences pour l’ing´enieur - Traitement des IMages et
du SIgnal
Classification multi-mod`eles des images dans
les bases h´et´erog`enes
Th`ese soutenue le 29 juin 2010
Devant le jury compos´e de:
S. Ruan : Professeur, Universit´e de Reims, Rapporteur
W. Puech :eur, Universit´e de Montpellier II, Rapp
K. Hamrouni : MCF, ENIT-Universit´e de Tunis,orteur
A. Ben Hamida : Professeur, ENIS-Universit´e de Sfax, Examinateur
D. S-Masmoudi : MCF, ENIS-Universit´e de Sfax,nateur
K. Djemal : MCF, Universit´e d’Evry Val d’Essonne, Encadrant
N. Derbel : Professeur, ENIS-Universit´e de Sfax, Co-directeur
H. Maaref :eur, Universit´e d’Evry Val d’Essonne, DirecteurD´edicaces
`A l’ˆame de mon p`ere Sadok
`A ma m`ere Monia
Auxquels, je dois ce que je suis
`A Imen
`A notre fille Rahma
`A notre futur gar¸con RayanRemerciements
J’aimerais avant tout exprimer ma gratitude et mes remerciements a` mon encadrant
scientifiquede th`ese,M.KhalifaDjemal,maˆıtredeconf´erencesde l’universit´e d’Evry. J’ai
´enorm´ement appris a` ses cˆot´es. Il a su m’initier a` la recherche, me pousser a` toujours
faire mieux et il m’a souvent aid´e a` surmonter les difficult´es de ce cheminement qu’est
le doctorat. Encore plus que ses grandes qualit´es scientifiques, j’ai beaucoup appr´eci´e ses
qualit´es humaines, en particulier l’´ecoute, le partage et la compr´ehension, qui m’en ont
fait un ami.
J’adresse ´egalement a` mon directeur de th`ese, M. Hichem Maaref, professeur de l’uni-
versit´e d’Evry, mes plus sinc`eres remerciements. C’est un homme d’une grande patience,
tr`es`al’´ecouteettr`escompr´ehensifetquiestdirectementresponsabledubond´eroulement
de mes travaux. Je le remercie chaleureusement pour ses attentions et les nombreuses dis-
cussions professionnelles et personnelles que nous avons eues.
Je veux absolument remercier M. Nabil Derbel, professeur de l’universit´e de Sfax et
´MmeDorraSellami-Masmoudi,maˆıtredeconf´erencesa`l’Ecolenationaledesing´enieursde
Sfax et habilit´ee `a diriger les recherches, sans qui cette collaboration de th`ese en cotutelle
ne serait pas ce qu’elle est aujourd’hui.
J’exprimemagratitudea`M.WilliamPuech,professeurdel’universit´edeMontpellier II
ainsi qu’`a Mme Su Ruan, professeur de l’universit´e de Reims, pour avoir accept´e de juger
mes travaux en tant que rapporteurs. Je remercie M. AHMED BEN HMIDA, professeur
de l’universit´e de Sfax, qui a accept´e de faire partie de ce jury. Je tiens´egalement a` expri-
´mer ma reconnaissance a` M. Kamel Hamrouni, maˆıtre de conf´erences `a l’Ecole nationale
des ing´enieurs de Tunis et habilit´e a` diriger les recherches, pour avoir accept´e de juger
mes travaux et pr´esider ce jury.
Une th`ese est un travail assez personnel qui s’inscrit toutefois dans une ´equipe. Je
remercie donc tous mes coll`egues doctorants, tous les membres temporaires ou perma-
nents que j’ai crois´e au cours de cette exp´erience, je pense en particulier a` Imen, Ahmed,
Mohamed, Slim, Amin, Imen, Anwar, Anis, Asma, Salima, Iman, Mouna, christophe,
Jean-yves, christophe, Pierre, Hamdi, Abdelkader, Samia, Nader, Majid, yassine, Khalid
(ils sont trop nombreux pour pouvoir les citer tous). Ils m’ont beaucoup apport´e pendant
ces derni`eres ann´ees: joie, fous rires, complicit´e, soir´ees, voyages, ouverture d’esprit.
Comme il y a aussi une vie en dehors du travail (si tout de mˆeme un petit peu) j’ai eu
la chance de rencontrer hors du labo des personnes qui sont aujourd’hui des amis: Tarek,
Hedi, Mehdi, Hamdi, Sabeur, Khalil, Sebastien, Nader et tant d’autres! Auxquels je dois
aussi de bons moments de sinc´erit´e, rigolade et complicit´e.
Enfin−last but not least−j’exprimetoutemagratitudea`mam`ereMonia,mafemme
ImenetmapetitefilleRahmaquiontsupport´eavecmoilesmeilleursetlespiresmoments
etquim’ontdonn´elaforced’allerauboutdecetteaventure.Bref,pourceboutdechemin
fait ensemble.R´esum´e
La reconnaissance d’images est un domaine de recherche qui a ´et´e largement ´etudi´e
parlacommunaut´escientifique.Lestravauxpropos´esdanscecadres’adressentprincipale-
mentauxdiversesapplicationsdessyst`emesdevisionparordinateuret`alacat´egorisation
des images issues de plusieurs sources. Dans cette th`ese, on s’int´eresse particuli`erement
aux syst`emes de reconnaissance d’images par le contenu dans les bases h´et´erog`enes.
Les images dans ce type de bases appartiennent a` diff´erents concepts et repr´esentent
un contenu h´et´erog`ene. Pour ce faire, une large description permettant d’assurer une
repr´esentation fiable est souvent requise. Cependant, les caract´eristiques extraites ne
sont pas n´ecessairement toutes appropri´ees pour la discrimination des diff´erentes classes
d’images qui existent dans une base donn´ee d’images. D’ou,` la n´ecessit´e de s´election des
caract´eristiquespertinentesselonlecontenudechaquebase.Danscetravail,unem´ethode
originale de s´election adaptative est propos´ee. Cette m´ethode permet de consid´erer uni-
quement les caract´eristiques qui sont jug´ees comme les mieux adapt´ees au contenu de la
base d’images utilis´ee. Par ailleurs, les caract´eristiques s´electionn´ees ne disposent pas
g´en´eralement des mˆemes performances. En cons´equence, l’utilisation d’un algorithme
de classification, qui s’adapte aux pouvoirs discriminants des diff´erentes caract´eristiques
s´electionn´ees par rapport au contenu de la base d’images utilis´ee, est vivement recom-
mand´ee. Dans ce contexte, l’approche d’apprentissage par noyaux multiples est´etudi´ee et
une am´elioration des m´ethodes de pond´eration des noyaux est pr´esent´ee. Cette approche
s’av`ere incapable de d´ecrire les relations non-lin´eaires des diff´erents types de description.
Ainsi, nous proposons une nouvelle m´ethode de classification hi´erarchique multi-mod`eles
permettantd’assurerunecombinaisonplusflexibledescaract´eristiquesmultiples.D’apr`es
les exp´erimentations r´ealis´ees, cette nouvelle m´ethode de classification assure des taux de
reconnaissance tr`es int´eressants. Enfin, les performances de la m´ethode propos´ee sont
mises en ´evidence a` travers une comparaison avec un ensemble d’approches cit´e dans la
litt´erature r´ecente du domaine.
Mots-clefs: Reconnaissance d’images par le contenu, Bases d’images h´et´erog`enes,
Extraction d’attributs, S´election adaptative des caract´eristiques les plus pertinentes, Ap-
prentissage par noyaux multiples, Classification multi-mod`eles.Abstract
Imagerecognitioniswidelystudiedbythescientificcommunity.Theproposedresearch
in this field is addressed to various applications of computer vision systems and multiple
source image categorization. This PhD dissertation deals particularly with content based
image recognition systems in heterogeneous databases. Images in this kind of databases
belong to different concepts and represent a heterogeneous content. In this case and to
ensure a reliable representation, a broad description is often required. However, the ex-
tracted features are not necessarily always suitable for the considered image database.
Hence, the need of selecting relevant features based on the content of each database. In
this work, an adaptive selection method is proposed. It considers only the most adapted
features according to the used image database content. Moreover, selected features do
not have generally the same performance degrees. Consequently, a specific classification
algorithm which considers the discrimination powers of the different selected features is
strongly recommended. In this context, the multiple kernel learning approach is studied
and an improved kernel weighting method is presented. It proved that this approach is
unabletodescribethenonlinearrelationshipsofdifferentdescriptionkinds.Thus,wepro-
pose a new hierarchical multi-model classification method able to ensure a more flexible
combination of multiple features. Experimental results confirm the effectiveness and the
robustness of this new classification approach. In addition, the proposed method is very
competitive in comparison with a set of approaches cited in the recent literature.
Key words: Content based image recognition, Heterogeneous image databases, Fea-
ture extraction, Adaptive feature selection, Multiple kernel learning, Multi-model classi-
fication.Table des mati`eres
D´edicaces
Remerciements
R´esum´e
Abstract
Index des symboles 1
Introduction g´en´erale 6
1 Extractiond’attributsetclassificationd’imagesdanslesbasesh´et´erog`enes 10
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Reconnaissance d’images par le contenu . . . . . . . . . . . . . . . . . . . 11
1.2.1 Types d’attributs . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.1.1 La couleur . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.1.2 La texture . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.1.3 La forme . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.2 Cat´egories d’attributs . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.2.1 Attributs globaux. . . . . . . . . . . . . . . . . . . . . . 15
1.2.2.2 A locaux . . . . . . . . . . . . . . . . . . . . . . 16
1.2.3 M´ethodes de classification et ´evaluation des performances . . . . . 17
1.2.3.1 Classification . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.3.2 R´etroaction et bouclage de pertinence . . . . . . . . . . 17
1.2.3.3 Performances de classification d’images . . . . . . . . . . 18
1.3 Bases d’images h´et´erog`enes utilis´ees . . . . . . . . . . . . . . . . . . . . . 18
1.3.1 La base d’images COLUMBIA . . . . . . . . . . . . . . . . . . . . 19
1.3.2 La base COREL . . . . . . . . . . . . . . . . . . . . . . 19
1.3.3 La base d’images CALTECH. . . . . . . . . . . . . . . . . . . . . 20
1.4 Techniques de classification d’images . . . . . . . . . . . . . . . . . . . . 22
1.4.1 M´ethodes de classification non-supervis´ee . . . . . . . . . . . . . . 22