Présentation
RÉSUMÉ
Les agences de photographies ont besoin de savoir si une image publiée par un tiers appartient ou non à leur fonds, et de vérifier automatiquement s’il y a ou non violation du droit d’auteur. Il existe deux grandes familles de techniques, à savoir le tatouage d’images et la recherche d’images par similarité visuelle. Les principes de la similarité visuelle sont présentés avec quelques techniques de description automatique d’images. Un schéma de recherche performant permet de dire en quelques secondes si une image tierce appartient ou non à un fonds de plusieurs centaines de milliers d’images.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
Photography agencies need to know whether an image published by a third party actually belongs to their collection, and automatically verify whether or not an infringement of copyright has occurred. There are two major families of techniques, namely image watermarking and visual similarity searches that retrieve images that look similar. The principles of visual similarity are presented here with a few techniques for automatic image description. A powerful search schema makes it possible to tell within seconds if a third party image belongs to a collection of several hundreds of thousands of images.
Auteur(s)
INTRODUCTION
Ce dossier décrit deux composantes d’un système informatique destiné à permettre aux agences de photographies d’établir si une image publiée par un tiers appartient ou non à leur fonds, et cela afin de vérifier automatiquement s’il y a ou non violation du droit d’auteur.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
OMEDRANK puis PvS3. Description automatique d’images fixes
Il existe de nombreuses techniques d’analyse du signal qui permettent d’extraire, à partir des images, des descripteurs qui en caractérisent le contenu. Les informations extraites se présentent généralement sous la forme d’un ou de plusieurs ensembles de valeurs numériques réelles. On peut avoir affaire à un ensemble unique caractérisant la totalité d’une image, ensemble qu’on appelle alors un descripteur global, ou à plusieurs ensembles qui caractérisent chacun une partie de l’image, et qu’on appelle donc descripteurs locaux.
Descripteur global : unique ensemble d’informations caractérisant une image dans sa totalité.
Descripteurs locaux : multiples ensembles d’informations caractérisant chacun une partie de l’image.
Plutôt que d’évaluer la similarité de deux images directement sur les images elles-mêmes, on préfère établir leur similarité en comparant leurs descriptions.
L’hypothèse est que la similarité visuelle de deux images est proportionnelle à la similarité de leurs descriptions.
La similarité visuelle s’établit donc au travers de la description et de la métrique permettant de comparer ces descriptions.
Les descripteurs globaux les plus classiques portent sur la couleur, la texture ou encore sur la forme via une extraction de contours. On peut se faire une bonne idée du fonctionnement des descripteurs globaux en détaillant un peu les histogrammes de couleurs – les idées présentées ici s’appliquent également aux autres types de descripteurs. Un histogramme de couleurs recense le nombre de pixels de chaque couleur dans une image. Il est fréquent que les couleurs visuellement proches soient regroupées, ce qui réduit le nombre de catégories de couleurs que maintient l’histogramme.
La figure 2 montre deux images et leurs histogrammes de couleurs où 512 catégories ont été définies. Chaque histogramme est ici de dimension 512. Chaque histogramme définit un vecteur numérique dans un espace de dimension 512. Ces histogrammes, et de façon plus générale, les descripteurs d’images, définissent des vecteurs multidimensionnels.
Pour trouver si deux images sont similaires, on compare ainsi leurs histogrammes. Cela se traduit par l’évaluation de la distance (souvent euclidienne) qui sépare les descripteurs :...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Description automatique d’images fixes
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
