Étude comparative de trois ensembles de descripteurs de texture pour la segmentation de documents anciens

International audienceRécemment, des approches basées sur l'analyse des descripteurs de texture ont été largement explorées pour la segmentation d'images de documents anciens numérisés. Il a été prouvé que ces méthodes fonctionnent efficacement en n'ayant pas de connaissances préalables. En outre, il a été démontré qu'elles sont robustes lorsqu'elles sont appliquées sur des documents dégradés ou bruités. Dans cet article, une approche d'évaluation de trois différents ensembles de descripteurs texturaux est présentée pour la segmentation de documents anciens. Sur un vaste corpus expérimental de documents anciens, nous visons tout d'abord à déterminer quels descripteurs de texture pourraient être les mieux appropriés pour séparer les illustrations des régions textuelles d'une part et d'autre part pour discriminer les blocs du texte de différentes tailles et polices de caractères. C'est dans ce but que nous étudions différents descripteurs de texture, extraits de trois outils du traitement d'image, les plus répandus et largement utilisés (la fonction d'auto-corrélation, les matrices de co-occurrence des niveaux de gris et les filtres de Gabor). Un aperçu sur le temps de calcul et la complexité de chaque ensemble de descripteurs de texture est également présenté dans ce travail. Sur une base d'images de plus de $300$ documents, une étude expérimentale avec des observations qualitatives et numériques, est proposée pour montrer les performances de chaque ensemble de descripteurs de texture