Objects recognition using SIFT and fuzzy similarity measure

Multimedia database has been an extremely active area of research over the last 20 years. This research aims to develop techniques for searching and recognizing multimedia documents based on their content. For objects recognition, make works proposed different techniques to extract the visual contents such as color, shape, texture, etc. By comparing these visual contents, we can determine whether or not the image data contains some specific object. Since the Euclidean distance has always been employed to compare visual contents so far, using other approaches for the comparison is an interesting research way that still needs to be explored. In this paper, we propose fuzzy similarity measures as alternatives for the Euclidean distance. Visual contents to be compared are based on the Scale Invariant Feature Transform (SIFT). This approach has been applied to coil databases. Our experimentation shows that this method is more realistic than objects recognition method obtained by classical distances.La base de donn\ue9es multim\ue9dias constitue un secteur de recherche extr\ueamement actif depuis les 20 derni\ue8res ann\ue9es. Cette \ue9tude vise \ue0 \ue9laborer des techniques de recherche et de reconnaissance de documents multim\ue9dias en fonction de leur contenu. Pour la reconnaissance des objets, des travaux ont propos\ue9 diff\ue9rentes techniques d'extraction de contenus visuels, comme la couleur, la forme et la texture. En comparant ces contenus visuels, il est possible de d\ue9terminer si les donn\ue9es d'image comprennent un objet particulier. Comme la distance euclidienne n'a servi jusqu'\ue0 maintenant qu'\ue0 comparer des contenus visuels, le recours \ue0 d'autres m\ue9thodes pour la comparaison offre un cheminement de recherche int\ue9ressant qu'il reste encore \ue0 explorer. Ce document propose des mesures de similarit\ue9 floue en remplacement de la distance euclidienne. Les contenus visuels \ue0 comparer se fondent sur une transformation de caract\ue9ristiques invariantes \ue0 l'\ue9chelle (SIFT). Cette m\ue9thode a \ue9t\ue9 appliqu\ue9e \ue0 des bases de donn\ue9es COIL. Notre exp\ue9rience d\ue9montre qu'elle est plus r\ue9aliste que la reconnaissance des objets fond\ue9e sur les distances classiques.NRC publication: Ye