Exploration interactive, incrémentale et multi-niveau de larges collections d'images

The research work that is presented and discussed in this thesis focuses on large and evergrowingimage collections. More specifically, we aim at providing one the possibility to exploresuch image collections, either to extract some kind of information and knowledge, or to wander inthe collections. This thesis addresses this issue from the perspective of Interactive Data Explorationand Analytics. We take advantage of the similarity-based image collection browsing paradigm andaim at meeting simultaneously the three following constraints: (i) handling large image collections,up to millions of images, (ii) handling dynamic image collections, to deal with ever-growing imagecollections, and (iii) providing interactive means to explore image collections. To do so, we jointlystudy the indexing and the interactive visualisation of large and ever-growing image collections.Our contribution is three-fold. First, we focus on the incremental construction of a proximitygraph, namely the Relative Neighbourhood Graph (RNG), to structure the image collections. Second,we propose a hierarchical and graph-based hybrid viewable structure to allow an interactiveexploration of large image collections. A data partitioning algorithm, namely BIRCH, is used toyield this structure. Last, we present our interactive visualisation platform for large image collections.To evaluate the platform, along with an user evaluation, several different use cases arediscussed such as a recommendation system for ever-growing image collections and visual analysissystem for Document Image Analysis. These use cases are based on real world large imagecollections, that contain up to seven millions of images.Les travaux de recherche présentés et discutés dans cette thèse s’intéressent aux grandes collectionsd’images numériques. Plus particulièrement, nous cherchons à donner à un utilisateur lapossibilité d’explorer ces collections d’images, soit dans le but d’en extraire de l’information et dela connaissance, soit de permettre une certaine sérendipité dans l’exploration. Ainsi, cette problématiqueest abordée du point de vue de l’analyse et l’exploration interactive des données. Noustirons profit du paradigme de navigation par similarité et visons à respecter simultanément les troiscontraintes suivantes : (i) traiter de grandes collections d’images, (ii) traiter des collections dontle nombre d’images ne cesse de croître au cours du temps et (iii) donner des moyens d’explorerinteractivement des collections d’images. Pour ce faire, nous proposons d’effectuer une étude conjointede l’indexation et de la visualisation de grandes collections d’images qui s’agrandissent aucours du temps.Dans un premier temps, nous nous concentrons sur la construction incrémentale d’un graphede voisinage, à savoir le Graphe des Voisins Relatifs (GVR), en vue de structurer une collectiond’images. Dans un second temps, nous présentons une structure hybride, combinant hiérarchie etgraphe, et qui est visualisable pour permettre une exploration interactive de grandes collectionsd’images. L’algorithme de partitionnement de données BIRCH est exploité pour générer cettestructure. Enfin, nous présentons notre plateforme d’exploration interactive de grandes collectionsd’images. Pour évaluer notre plateforme, nous présentons une évaluation utilisateur, aux cotés dedifférents cas d’utilisation, tels qu’un système de recommandations ou encore un outil d’analysevisuelle pour l’analyse d’images de documents. L’ensemble de ces cas d’utilisation implique descollections d’images réelles, contenant jusqu’à 7 millions d’images