Description automatique d’images fixes
Contrer le piratage d’images : un logiciel précis et rapide

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.

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 :...