Améliorer la recherche par similarité dans une grande base d'images fixes par des techniques de fouilles de données

Still images can be retrieved by similarity searching on global visual features such as color, texture or shape at the pixel level. Content-based retrieval systems then use and combine all the available low-level features whose computing cost can be prohibitive and they rank the images according to how well they match the submitted quaery-by-example. Finally, they return the best few matches to the used in a ranked result list. But, a subset of features could be sufficient enough to answer very quickly while offering an accepatble quality of results. Moreover, the administration of large collections of images accentuates the classical problems of indexing and efficiently querying inforamtion. Our work focuses on the elaboration of fully automatic and generic strategies of visual global features usage which exploit association rules to speed up the content-based retrieval on large still image databases. In this thesis, we also present how query-by-example proessing is adapted to propose intermadiate results that are progressively merged together with the advantage for the users, on one hand, not to wait until the whole database has been processed and, on the other hand, to allow them to stop the current execution of the query without losing the first partial results. Experiments performed on real image sets show that our method improves retrieval times. They also confirm the interest of global features combination for content-based image retrieval.Les images fixes peuvent, entre autres, être décrites au niveau du pixel par des descripteurs visuels globaux de couleur, de texture ou de forme. La recherche par le contenu exploite et combine alors ces descripteurs dont le coût de calcul est d'autant plus important que la taille de la base d'images est grande. Les résultats de la recherche sont ensuite classés en fonction de leur similarité à la requête soumise et présentés à l'utilisateur sous forme de liste ordonnée. Un sous-ensemble de descripteurs pourrait cependant suffire à répondre à une recherche par similarité beaucoup plus rapidement, tout en gardant une qualité acceptable des résultats de recherche. Nous proposons pour cela une méthode de sélection automatique des descripteurs visuels qui exploite les règles d'association pour élaborer des stratégies d'exécution réduisant le temps de la recherche par le contenu dans de grandes bases d'images fixes. Dans cette thèse, nous présentons également comment une recherche par le contenu peut être adaptée pour proposer des résultats intermédiaires qui sont fusionnés de façon progressive avec l'avantage pour l'utilisateur, d'une part, de ne pas attendre que toute la base ait été parcourue avant de fournir un résultat et, d'autre part, de lui permettre de stopper la requête en cours d'exécution. Les expérimentations conduites sur des bases d'images réelles montrent que notre méthode améliore notablement les temps de réponse. Elles confirment aussi l'intérêt de la combinaison des descripteurs globaux pour la recherche d'images par le contenu